Optimal estimation of Schatten norms of a rectangular matrix
矩形矩阵 Schatten 范数的最优估计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：摘要讨论一般含噪矩阵的范数与秩估计，没有将矩阵结构明确用于宏观或金融因子模型。
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
矩形矩阵 Schatten 范数的最优估计
- 研究问题
- 从含噪矩形矩阵观测中，如何估计 Schatten 范数、有效秩及奇异值序列，范数阶数是否为偶整数如何影响最优估计难度？
- 方法与思路
- 作者在偶整数阶下构造多项式时间估计器，在其他阶数下比较奇异值阈值法与多项式逼近法，并分析相应的极小极大速度。
- 材料陈述的贡献
- 摘要称偶整数阶的最优速度不依赖矩阵秩，其他阶数的速度更慢；还构造一类有效秩指标估计器，并刻画奇异值序列的最优速度。
- 阅读关注点
- 应核对噪声模型、损失定义和矩阵参数范围，检查上下界及计算复杂度；所给速度表达的指数排版不清，需查阅原 PDF。
- 阅读边界
- Crossref 摘要中速度公式的上下标排版不清，不能据此重构具体指数；摘要也未说明噪声与损失条件，不能推广其最优性结论。
原文摘要
We consider the twin problems of estimating the effective rank and the Schatten norms ‖A‖s of a rectangular p×q matrix A from noisy observations. When s is an even integer, we introduce a polynomial-time estimator of ‖A‖s that achieves the minimax rate (pq)1/4. Interestingly, this optimal rate does not depend on the underlying rank of the matrix A. When s is not an even integer, the optimal rate is much slower. A simple thresholding estimator of the singular values achieves the rate (q∧p)(pq)1/4, which turns out to be optimal up to a logarithmic multiplicative term. The tight minimax rate is achieved by a more involved polynomial approximation method. This allows us to build estimators for a class of effective rank indices. As a byproduct, we also characterize the minimax rate for estimating the sequence of singular values of a matrix.