Uniform convergence of local Fréchet regression with applications to locating extrema and time warping for metric space valued trajectories
局部弗雷歇回归的一致收敛及其在极值定位与时间配准中的应用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：度量空间轨迹及死亡年龄分布应用未明确涉及所列经济分布效应、宏观时间序列或网络计量方向。
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
局部弗雷歇回归的一致收敛及其在极值定位与时间配准中的应用
- 研究问题
- 如何从含噪的度量空间值对象估计平滑轨迹，并获得统一收敛保证，以支持轨迹极值位置估计和时间配准？
- 方法与思路
- 作者研究欧氏预测变量与度量空间值响应的局部弗雷歇回归，利用经验过程工具处理固定和随机目标轨迹。
- 材料陈述的贡献
- 摘要称得到统一收敛速率及极值位置的一致估计，并通过模拟、脑连接最低年龄定位和各国死亡年龄分布配准展示应用。
- 阅读关注点
- 应核对度量空间与局部回归条件、固定和随机轨迹结论的区别，以及极值定义、位置唯一性和配准步骤。
- 阅读边界
- 仅据版本未注明的索引摘要；具体收敛速率、空间条件和实例数值未说明，不能据此推断经济应用中的有效性。
原文摘要
Local Fréchet regression is a nonparametric regression method for metric space valued responses and Euclidean predictors, which can be utilized to obtain estimates of smooth trajectories taking values in general metric spaces from noisy metric space valued random objects. We derive uniform rates of convergence, which so far have eluded theoretical analysis of this method, for both fixed and random target trajectories, where we utilize tools from empirical processes. These results are shown to be widely applicable in metric space valued data analysis. In addition to simulations, we provide two pertinent examples where these results are important: The consistent estimation of the location of properly defined extrema in metric space valued trajectories, which we illustrate with the problem of locating the age of minimum brain connectivity as obtained from fMRI data; and time warping for metric space valued trajectories, illustrated with yearly age-at-death distributions for different countries.