Performance of wavelet methods for functions with many discontinuities
含大量不连续点函数的小波方法表现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：摘要讨论一般曲线估计中的不连续性，没有宏观结构变化或其他所列方向的具体依据。
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
含大量不连续点函数的小波方法表现
- 研究问题
- 当样本增长时函数的不连续点越来越多、跳跃越来越小，小波估计还能在何种范围内保持良好的收敛表现？
- 方法与思路
- 作者允许不连续点数量与跳跃大小随样本规模变化，研究这种复杂度增长如何影响小波估计的均方收敛速度。
- 材料陈述的贡献
- 摘要称给出达到固定光滑函数常见收敛速度的必要充分条件，并确定均方一致性的必要条件，刻画小波方法的适用边界。
- 阅读关注点
- 应核对函数类别、光滑性和跳跃变化的具体限制，区分收敛速度结论的必要充分条件与一致性结论的必要条件。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；具体速率与条件未给出，不能把曲线不连续点直接解释为经济结构变化。
原文摘要
Compared to traditional approaches to curve estimation, such as those based on kernels, wavelet methods are relatively unaffected by discontinuities and similar aberrations. In particular, the mean square convergence rate of a wavelet estimator of a fixed, piecewise-smooth curve is not influenced by discontinuities. Nevertheless, it is clear that as the estimation problem becomes more complex the limitations of wavelet methods must eventually be apparent. By allowing the number of discontinuities to increase and their size to decrease as the sample grows, we study the limits to which wavelet methods can be pushed and still exhibit good performance. We determine the effect of these changes on rates of convergence. For example, we derive necessary and sufficient conditions for wavelet methods applied to increasingly complex, discontinuous functions to achieve convergence rates normally associated only with fixed, smooth functions, and we determine necessary conditions for mean square consistency.