Structure Adaptive Approach for Dimension Reduction
结构自适应降维方法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：摘要研究一般多指标模型的降维理论，不能仅凭模型名称归入结构估计或其他所列细分领域。
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…
结构自适应降维方法
- 研究问题
- 如何在不预先掌握多指标模型结构的情况下估计其有效指标空间，并在有效维度较低时达到参数型收敛速度？
- 方法与思路
- 作者通过迭代改进一组平均导数估计来实施有效降维；摘要称算法计算直接，且不要求预先知道模型结构。
- 材料陈述的贡献
- 摘要称，当有效指标空间维度不超过三时，在文中所称较温和的模型假设下，可按样本量平方根的倒数速率估计该空间。
- 阅读关注点
- 应核对有效空间的定义与误差度量、平均导数迭代的具体步骤，以及维度不超过三和相关正则条件的作用。
- 阅读边界
- OpenAlex 摘要未注明稿件版本，也未列出所谓较温和假设；无法判断更高有效维度下的速率、稳定性或实际计算成本。
原文摘要
We propose a new method of effective dimension reduction for a multi-index model which is based on iterative improvement of the family of average derivative estimates. The procedure is computationally straightforward and does not require any prior information about the structure of the underlying model. We show that in the case when the effective dimension $m$ of the index space does not exceed 3, this space can be estimated with the rate $n^{-1/2}$ under rather mild assumptions on the model.