Regularized-Likelihood Deconvolution with Posterior-Density Reconstruction
正则化似然反卷积与后验密度重构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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要讨论通用密度反卷积与逆问题，未直接涉及分位数效应或特定经济计量应用。
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…
正则化似然反卷积与后验密度重构
- 研究问题
- 研究如何从受测量误差污染的观测恢复潜在密度，并辨明后验密度重构对总体目标、稳定性和方差的影响。
- 方法与思路
- 先在正则化高斯混合筛空间中最大化卷积似然，再把拟合结果作为经验先验，平均条件潜在密度进行重构。
- 材料陈述的贡献
- 摘要称局部扰动下后验映射具有收缩性，但正确有限维设定下重构增加一阶方差，并推导增长筛的收敛率。
- 阅读关注点
- 应核对误设下两阶段总体目标的差异、局部收缩条件，以及观测域估计、逆问题稳定性和重构变异的分解。
- 阅读边界
- 这是 arXiv 预印本 v2，不能据此声称已同行评审或期刊接收；具体收敛率、条件和应用数值未提供，也未说明其他版本变化。
原文摘要
Density deconvolution is an ill-posed inverse problem because recovering the latent density amplifies high-frequency variation in the observed data. We propose a two-stage likelihood procedure. The first estimator maximizes the convolution likelihood over a regularized Gaussian-mixture sieve; the second treats this fit as an empirical prior and averages the fitted conditional latent densities. Under fixed-model misspecification, the estimators generally have different population targets. For bounded local multiplicative perturbations of the latent density, the population posterior map is locally contractive in chi-square divergence under identifiable convolution. Under correct finite-dimensional specification, however, reconstruction adds a nonnegative first-order variance component. For growing sieves, we separate observed-domain estimation, inverse stability, and posterior empirical variation. We derive explicit rates under Gaussian error and recover the classical ordinary-smooth exponent, up to logarithmic factors, with a constructive verification for Laplace error. Simulations and a Framingham blood-pressure application provide empirical performance evidences.