Asymptotic equivalence for regression under fractional noise
分数噪声回归模型的渐近等价性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：摘要明确研究分数高斯噪声与分数布朗运动驱动的观测模型，时间依赖随机过程是其直接方法背景。
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
分数噪声回归模型的渐近等价性
- 研究问题
- 等距设计下含分数高斯噪声的回归观测，何时与回归函数积分受分数布朗运动扰动的连续观测模型渐近等价？
- 方法与思路
- 作者借助再生核希尔伯特空间重述问题，建立函数空间上的抽象逼近条件，并考察一定光滑度的 Sobolev 球。
- 材料陈述的贡献
- 摘要称证明了两类实验在所给条件下的渐近等价性，构造了序列空间表示，并给出等价成立的必要条件。
- 阅读关注点
- 核对渐近等价的距离定义、噪声参数范围、最低光滑度要求，以及充分条件与必要条件之间是否存在差距。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出光滑度阈值、完整条件或证明，不能推断其他版本的变化。
原文摘要
Consider estimation of the regression function based on a model with equidistant design and measurement errors generated from a fractional Gaussian noise process. In previous literature, this model has been heuristically linked to an experiment, where the anti-derivative of the regression function is continuously observed under additive perturbation by a fractional Brownian motion. Based on a reformulation of the problem using reproducing kernel Hilbert spaces, we derive abstract approximation conditions on function spaces under which asymptotic equivalence between these models can be established and show that the conditions are satisfied for certain Sobolev balls exceeding some minimal smoothness. Furthermore, we construct a sequence space representation and provide necessary conditions for asymptotic equivalence to hold.