跳到正文
← 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:摘要以一般随机过程收敛理论为主,密度估计应用不足以确定所列计量细分领域。

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
Deborah Nolan
David Pollard

U 过程的收敛速率

研究问题
由一族对称核索引的 U 统计量所构成的随机过程,何时具有一致几乎处处收敛,收敛速率如何刻画并用于密度估计交叉验证?
方法与思路
作者引入对称核族索引的 U 过程,借用并调整经验过程理论的证明方法,建立一致收敛条件与速率,再给出应用。
材料陈述的贡献
摘要称得到此类过程一致几乎处处收敛的条件与收敛速率,并展示其在密度估计交叉验证中的应用;未列明具体界。
阅读关注点
核对核函数族与样本结构的条件、一致性所覆盖的索引集合,以及速率依赖因素和交叉验证应用所需的额外条件。
阅读边界
仅据 OpenAlex 索引摘要,稿件版本未注明;具体核条件、速率和应用结论未展开,不能推断其适用于任意依赖样本或核函数族。

原文摘要

This paper introduces a new stochastic process, a collection of $U$-statistics indexed by a family of symmetric kernels. Conditions are found for the uniform almost-sure convergence of a sequence of such processes. Rates of convergence are obtained. An application to cross-validation in density estimation is given. The proofs adapt methods from the theory of empirical processes.

笔记与分组
相关领域论文