Information Inequality Bounds on the Minimax Risk (with an Application to Nonparametric Regression)
极小极大风险的信息不等式下界及非参数回归应用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：摘要属于一般统计决策与非参数回归理论，缺乏给定经济计量细分主题的直接依据。
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
极小极大风险的信息不等式下界及非参数回归应用
- 研究问题
- 在平方损失下，如何构造并比较极小极大风险的下界，以及不同下界方法在非参数回归等问题中有何差异？
- 方法与思路
- 作者比较既有的信息不等式下界、另一种信息不等式构造和最难线性族方法，并将三类方法用于四个例子。
- 材料陈述的贡献
- 摘要称第二种方法的下界始终不弱于第一种方法，并通过包括非参数回归在内的例子展示比较；未声称全面优于第三种。
- 阅读关注点
- 应核对三种方法的参数空间与正则条件、下界不弱于的精确定义，以及各例中下界是否达到可实现的极小极大风险。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；四个例子的完整设定、下界数值及是否锐利未说明，不能推断估计量优势。
原文摘要
This paper compares three methods for producing lower bounds on the minimax risk under quadratic loss. The first uses the bounds from Brown and Gajek. The second method also uses the information inequality and results in bounds which are always at least as good as those from the first method. The third method is the hardest-linear-family method described by Donoho and Liu. These methods are applied in four examples, the last of which relates to a frequently considered problem in nonparametric regression.