Global uniform risk bounds for wavelet deconvolution estimators
小波反卷积估计量的全局一致风险界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：摘要是通用密度反卷积理论，未明确研究分位数或分布效应，因此不强行归入微观分布效应。
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
小波反卷积估计量的全局一致风险界
- 研究问题
- 在独立加性测量误差下，如何估计潜在信号的密度，并控制全局上确界风险、适应未知光滑度及构造全局置信带？
- 方法与思路
- 作者以小波反卷积估计密度，依据误差分布 Fourier 变换的衰减性质建立风险界，并结合 Rademacher 过程技术讨论置信带。
- 材料陈述的贡献
- 摘要称，估计量达到 Besov 球上的极小极大上确界风险下界，且指数衰减与多项式衰减情形分别具有相应的光滑度适应结果。
- 阅读关注点
- 应核对误差分布的可用信息、Fourier 衰减与密度光滑性条件，并区分线性及硬阈值估计的适应结论和置信带条件。
- 阅读边界
- 仅据版本未注明的索引摘要；摘要未列出具体收敛率、调参规则及置信带覆盖条件，不能据此认定置信带在所有密度类上有效。
原文摘要
We consider the statistical deconvolution problem where one observes n replications from the model Y = X + ϵ, where X is the unobserved random signal of interest and ϵ is an independent random error with distribution φ. Under weak assumptions on the decay of the Fourier transform of φ, we derive upper bounds for the finite-sample sup-norm risk of wavelet deconvolution density estimators fn for the density f of X, where f : ℝ → ℝ is assumed to be bounded. We then derive lower bounds for the minimax sup-norm risk over Besov balls in this estimation problem and show that wavelet deconvolution density estimators attain these bounds. We further show that linear estimators adapt to the unknown smoothness of f if the Fourier transform of φ decays exponentially and that a corresponding result holds true for the hard thresholding wavelet estimator if φ decays polynomially. We also analyze the case where f is a “supersmooth”/analytic density. We finally show how our results and recent techniques from Rademacher processes can be applied to construct global confidence bands for the density f.