Distributed nonparametric function estimation: Optimal rate of convergence and cost of adaptation
分布式非参数函数估计：最优收敛率与自适应代价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：摘要研究通信约束下的通用非参数理论，未明确涉及所列经济或金融细分方向。
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
分布式非参数函数估计：最优收敛率与自适应代价
- 研究问题
- 在通信受限的分布式环境中，非参数函数估计能达到怎样的极小极大收敛率，适应未知函数类别需要多少额外通信？
- 方法与思路
- 作者在高斯序列模型和白噪声模型中研究 Besov 类上的分布式估计，以极小极大率为基准刻画自适应通信代价。
- 材料陈述的贡献
- 摘要称给出了自适应所需通信成本的精确刻画并构造最优自适应程序，表明分布式全局估计中的自适应通常并非免费。
- 阅读关注点
- 应核对通信预算与允许协议、估计损失和 Besov 类范围，并检查最优率及自适应成本结论适用的不同参数区域。
- 阅读边界
- 依据版本未注明的 OpenAlex 摘要；具体通信模型、速率表达和类别范围未说明，不能外推为所有分布式估计任务的成本规律。
原文摘要
Distributed minimax estimation and distributed adaptive estimation under communication constraints for Gaussian sequence model and white noise model are studied. The minimax rate of convergence for distributed estimation over a given Besov class, which serves as a benchmark for the cost of adaptation, is established. We then quantify the exact communication cost for adaptation and construct an optimally adaptive procedure for distributed estimation over a range of Besov classes. The results demonstrate significant differences between nonparametric function estimation in the distributed setting and the conventional centralized setting. For global estimation, adaptation in general cannot be achieved for free in the distributed setting. The new technical tools to obtain the exact characterization for the cost of adaptation can be of independent interest.