Nonparametric Regression Under Qualitative Smoothness Assumptions
定性光滑性假设下的非参数回归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：摘要研究形状约束下的通用非参数回归理论，未明确涉及所列细分领域。
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…
关注这篇论文的作者
定性光滑性假设下的非参数回归
- 研究问题
- 能否用导数的分段单调性描述回归函数的光滑性，并在这种函数类上获得与传统导数范数约束相当的收敛速度？
- 方法与思路
- 作者以第 m−1 阶导数至多包含 k 个单调片段定义函数类，研究该类上的最小二乘估计，而非约束第 m 阶导数范数。
- 材料陈述的贡献
- 摘要称这种定性约束对许多应用更自然，并证明相应最小二乘估计的收敛速度与传统光滑函数类下的速度同样快。
- 阅读关注点
- 应核对分段单调约束的精确定义、m 与 k 的处理、设计和误差条件，以及收敛速度采用何种损失或距离衡量。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未列出具体收敛率及其条件，也未提供支持应用适用性的实例。
原文摘要
We propose a new nonparametric regression estimate. In contrast to the traditional approach of considering regression functions whose $m$th derivatives lie in a ball in the $L_\infty$ or $L_2$ norm, we consider the class of functions whose $(m - 1)$st derivative consists of at most $k$ monotone pieces. For many applications this class seems more natural than the classical ones. The least squares estimator of this class is studied. It is shown that the speed of convergence is as fast as in the classical case.