Multiscale likelihood analysis and complexity penalized estimation
多尺度似然分析与复杂度惩罚估计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：摘要提出通用多尺度似然与非参数估计理论，类别数据的出现不足以归为离散选择。
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
多尺度似然分析与复杂度惩罚估计
- 研究问题
- 哪些条件允许似然按位置和尺度分解，如何利用这种多尺度表示构造具有自适应风险性质的非参数估计量？
- 方法与思路
- 作者参照小波多分辨率分析提出似然分解的充分条件，并研究复杂度惩罚下阈值与分割估计量的 Hellinger 风险。
- 材料陈述的贡献
- 摘要称，该框架统一处理连续、计数和类别数据，并在广泛函数空间上建立相关估计量的自适应性和近极小极大最优性。
- 阅读关注点
- 应核对条件密度分解的充分条件、复杂度惩罚的形式，以及不同数据模型和函数空间中风险保证的具体范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；分解条件、风险界和最优性的精确含义未详述，不能认定任意似然均可如此分解。
原文摘要
We describe here a framework for a certain class of multiscale likelihood factorizations wherein, in analogy to a wavelet decomposition of an L2 function, a given likelihood function has an alternative representation as a product of conditional densities reflecting information in both the data and the parameter vector localized in position and scale. The framework is developed as a set of sufficient conditions for the existence of such factorizations, formulated in analogy to those underlying a standard multiresolution analysis for wavelets, and hence can be viewed as a multiresolution analysis for likelihoods. We then consider the use of these factorizations in the task of nonparametric, complexity penalized likelihood estimation. We study the risk properties of certain thresholding and partitioning estimators, and demonstrate their adaptivity and near-optimality, in a minimax sense over a broad range of function spaces, based on squared Hellinger distance as a loss function. In particular, our results provide an illustration of how properties of classical wavelet-based estimators can be obtained in a single, unified framework that includes models for continuous, count and categorical data types.