Spatially-adaptive sensing in nonparametric regression
非参数回归中的空间自适应采样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：摘要研究通用非参数回归的采样设计，未涉及因果识别、网络或其他所列细分方向。
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
非参数回归中的空间自适应采样
- 研究问题
- 在一般非参数回归问题中，如何根据空间位置自适应安排采样，以改善空间非均匀函数上的估计收敛速率？
- 方法与思路
- 作者提出空间自适应的采样算法，使观测设计随局部函数特征调整，并讨论空间非均匀函数和标准函数类上的表现。
- 材料陈述的贡献
- 摘要称算法可用于一般非参数回归，在空间非均匀函数上改善收敛速率，同时保留均匀设计具有的空间自适应性质。
- 阅读关注点
- 应核对自适应采样的信息来源与预算约束、函数类和损失定义，以及改进速率的基准和标准函数类上的保证。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；算法步骤、噪声条件和具体速率未给出，不能把所称改进扩展至任意回归函数。
原文摘要
While adaptive sensing has provided improved rates of convergence in sparse regression and classification, results in nonparametric regression have so far been restricted to quite specific classes of functions. In this paper, we describe an adaptive-sensing algorithm which is applicable to general nonparametric-regression problems. The algorithm is spatially adaptive, and achieves improved rates of convergence over spatially inhomogeneous functions. Over standard function classes, it likewise retains the spatial adaptivity properties of a uniform design.