Optimal change-point estimation from indirect observations
间接观测下的最优变点估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究变点位置估计及其最优速率，与结构变化方法相关，但未提供宏观应用。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
间接观测下的最优变点估计
- 研究问题
- 当含变点的函数只能通过带噪卷积间接观测时，变点位置的最佳估计速率如何取决于平滑性及逆问题的病态程度？
- 方法与思路
- 作者在白噪声卷积模型中考察两类除变点外平滑的函数，推导极小极大风险下界，并利用平滑二阶导数估计的零交叉定位。
- 材料陈述的贡献
- 摘要称，构造达到最优速率的变点估计程序，并表明可达速率同时由变点之外的函数平滑性与卷积算子的病态程度决定。
- 阅读关注点
- 应核对两类函数的定义、变点特征与卷积算子条件，以及平滑尺度、零交叉检测和风险下界之间的对应关系。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未提供具体速率、函数类别或实施细节，不能直接推断宏观序列中的检测表现。
原文摘要
We study nonparametric change-point estimation from indirect noisy observations. Focusing on the white noise convolution model, we consider two classes of functions that are smooth apart from the change-point. We establish lower bounds on the minimax risk in estimating the change-point and develop rate optimal estimation procedures. The results demonstrate that the best achievable rates of convergence are determined both by smoothness of the function away from the change-point and by the degree of ill-posedness of the convolution operator. Optimality is obtained by introducing a new technique that involves, as a key element, detection of zero crossings of an estimate of the properly smoothed second derivative of the underlying function.