Renormalization Exponents and Optimal Pointwise Rates of Convergence
重整化指数与最优逐点收敛速率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：摘要研究通用非参数逆问题与收敛速率，没有明确的所列经济计量细分对象。
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
重整化指数与最优逐点收敛速率
- 研究问题
- 在受到白噪声污染的间接测量中，如何快速确定线性泛函估计的最优收敛速率，并据此寻找适合具体逆问题的核？
- 方法与思路
- 作者使用重整化论证计算最优速率，将其用于密度估计、非参数回归、信号恢复和层析成像，并给出去卷积与层析核的例子。
- 材料陈述的贡献
- 摘要称，简单重整化论证常可快速识别若干间接估计问题的最优速率，也能用于推导最优核，文中提供具体例示。
- 阅读关注点
- 应核对间接测量算子与白噪声模型、最优性对应的函数类和损失，以及重整化步骤如何同时支持速率和核的推导。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；摘要未给出具体速率、平滑性条件或最优核公式，不能推广到任意逆问题。
原文摘要
Simple renormalization arguments can often be used to calculate optimal rates of convergence for estimating linear functionals from indirect measurements contaminated with white noise. This allows one to quickly identify optimal rates for certain problems of density estimation, nonparametric regression, signal recovery and tomography. Optimal kernels may also be derived from renormalization; we give examples for deconvolution and tomography.