Continuity of the Distribution Function of the argmax of a Gaussian Process
高斯过程最大值位置分布函数的连续性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：摘要提供适用于多种极值估计问题的通用概率论结果，最大得分等仅为例子，不足以将全文归入某一所列细分。
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…
高斯过程最大值位置分布函数的连续性
- 研究问题
- 某些极值估计量具有高斯过程最大值位置形式的非高斯极限分布，什么充分条件能保证其分布函数连续？
- 方法与思路
- 作者提出高层充分条件，其中一项用于应用 Cameron–Martin 定理，并在最大得分、经验风险最小化和门槛回归中验证。
- 材料陈述的贡献
- 摘要称，连续性结果为若干已有推断程序提供理论支持；在一个主要特例中，相关假设较弱且似乎接近最小要求。
- 阅读关注点
- 应核对过程及参数空间的条件、最大值位置的定义、Cameron–Martin 定理的作用，以及连续性如何支持具体推断。
- 阅读边界
- 仅据所给 Crossref 摘要，无法列出充分条件或复核证明；接近最小要求的描述限于所述特例，不能视为一般必要条件。
原文摘要
Certain extremum estimators have asymptotic distributions that are non‐Gaussian, yet characterizable as the distribution of the arg max of a Gaussian process. This paper presents high‐level sufficient conditions under which such asymptotic distributions admit a continuous distribution function. The plausibility of the sufficient conditions is demonstrated by verifying them in three examples, namely, maximum score estimation, empirical risk minimization, and threshold regression estimation. In turn, the continuity result buttresses several recently proposed inference procedures whose validity seems to require a result of the kind established herein. A notable feature of the high‐level assumptions is that one of them is designed to enable us to employ the Cameron–Martin theorem. In a leading special case, the assumption in question is demonstrably weak and appears to be close to minimal.