Nonparametric estimation over shrinking neighborhoods: Superefficiency and adaptation
收缩邻域上的非参数估计：超效率与自适应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：材料研究一般非参数风险、超效率和小波自适应，缺少对应所列应用细分方向的直接证据。
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
收缩邻域上的非参数估计：超效率与自适应
- 研究问题
- 当风险在随样本收缩的邻域内衡量时，极小极大速率最优估计的超效率空间如何变化，又如何连接逐点与整体估计？
- 方法与思路
- 作者构建具有多分辨率视角的风险度量，并提出结合同一分辨率内横向分块与跨分辨率纵向分块的小波阈值程序。
- 材料陈述的贡献
- 摘要称，超效率的可能程度关键依赖风险邻域大小；所给小波程序能在指定收缩邻域下实现速率最优自适应，涵盖逐点与整体风险。
- 阅读关注点
- 应核对邻域收缩速度、函数类别和风险定义，以及超效率界、自适应范围和横纵分块规则之间的具体对应关系。
- 阅读边界
- 摘要未说明函数类、收缩速率和定理条件，不能判断自适应结论的完整范围；所给索引摘要未注明稿件版本。
原文摘要
A theory of superefficiency and adaptation is developed under flexible performance measures which give a multiresolution view of risk and bridge the gap between pointwise and global estimation. This theory provides a useful benchmark for the evaluation of spatially adaptive estimators and shows that the possible degree of superefficiency for minimax rate optimal estimators critically depends on the size of the neighborhood over which the risk is measured. Wavelet procedures are given which adapt rate optimally for given shrinking neighborhoods including the extreme cases of mean squared error at a point and mean integrated squared error over the whole interval. These adaptive procedures are based on a new wavelet block thresholding scheme which combines both the commonly used horizontal blocking of wavelet coefficients (at the same resolution level) and vertical blocking of coefficients (across different resolution levels).