Distributed adaptive Gaussian mean estimation with unknown variance: Interactive protocol helps adaptation
未知方差下的分布式自适应高斯均值估计：交互协议有助于适应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：分布式通信协议属于通用统计计算问题，摘要未涉及经济网络或所列其他细分方向。
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
未知方差下的分布式自适应高斯均值估计：交互协议有助于适应
- 研究问题
- 在通信受限且高斯方差未知时，分布式均值估计达到一段方差范围内的自适应最优速率需要多少通信？
- 方法与思路
- 作者针对不同分布式协议推导必要与充分通信成本，并构造兼顾通信效率和统计最优性的估计程序及下界论证。
- 材料陈述的贡献
- 摘要称顺序与黑板等交互协议比独立协议需要更少通信即可实现自适应速率最优估计，并提出新的下界技术。
- 阅读关注点
- 应核对方差范围、通信成本的计量方式、各协议允许的信息交换，以及统计最优性与通信上下界的对应条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出通信成本公式、样本配置或适应范围，不能量化交互收益。
原文摘要
Distributed estimation of a Gaussian mean with unknown variance under communication constraints is studied. Necessary and sufficient communication costs under different types of distributed protocols are derived for any estimator that is adaptively rate-optimal over a range of possible values for the variance. Communication-efficient and statistically optimal procedures are developed. The analysis reveals an interesting and important distinction among different types of distributed protocols: compared to the independent protocols, interactive protocols such as the sequential and blackboard protocols require less communication costs for rate-optimal adaptive Gaussian mean estimation. The lower bound techniques developed in the present paper are novel and can be of independent interest.