Adaptive estimation over anisotropic functional classes via oracle approach
通过预言机方法在各向异性函数类上进行自适应估计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：摘要属于一般非参数函数估计与极小极大理论，缺少所列经济计量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
通过预言机方法在各向异性函数类上进行自适应估计
- 研究问题
- 在高斯白噪声模型和不同范数损失下，如何针对各方向光滑性不同的函数类进行自适应极小极大估计并刻画风险？
- 方法与思路
- 作者设计从不同带宽核估计量中进行数据驱动选择的方案，建立范数预言机不等式，并据此推导自适应风险结论。
- 材料陈述的贡献
- 摘要称证明速率自适应估计量存在，刻画多种参数关系下的极小极大风险，并给出一致估计存在的充要条件。
- 阅读关注点
- 应核对函数类与损失范数的参数范围、预言机不等式的余项，以及风险分区和一致估计条件之间的对应关系。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；风险速率与充要条件的具体形式未提供，不能直接外推到其他观测模型。
原文摘要
We address the problem of adaptive minimax estimation in white Gaussian noise models under $\mathbb{L}_{p}$-loss, $1\leq p\leq\infty$, on the anisotropic Nikol’skii classes. We present the estimation procedure based on a new data-driven selection scheme from the family of kernel estimators with varying bandwidths. For the proposed estimator we establish so-called $\mathbb{L}_{p}$-norm oracle inequality and use it for deriving minimax adaptive results. We prove the existence of rate-adaptive estimators and fully characterize behavior of the minimax risk for different relationships between regularity parameters and norm indexes in definitions of the functional class and of the risk. In particular some new asymptotics of the minimax risk are discovered, including necessary and sufficient conditions for the existence of a uniformly consistent estimator. We provide also a detailed overview of existing methods and results and formulate open problems in adaptive minimax estimation.