Spline Smoothing and Optimal Rates of Convergence in Nonparametric Regression Models
样条平滑与非参数回归的最优收敛速率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：材料属于一般非参数回归与平滑理论，没有所列应用方向的充分依据。
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
样条平滑与非参数回归的最优收敛速率
- 研究问题
- 在回归函数具有有界平方可积高阶导数、误差同方差且不相关时，如何构造最小最大线性估计，并在未知界限下自适应选取平滑程度？
- 方法与思路
- 作者以观测点上均方误差之和为准则推导最小最大线性估计，并在额外正态性假设下分析广义交叉验证的自适应性质。
- 材料陈述的贡献
- 摘要称得到精确的最小最大收敛速率，并证明在导数范数界和误差方差未知时，广义交叉验证仍可达到该最优速率。
- 阅读关注点
- 核对观测点设计、函数类与线性估计范围，区分基础速率结论和额外正态性下的自适应结论，并查看调参条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未列出具体速率及设计条件，不能将自适应结论推广到异方差、相关或非正态误差。
原文摘要
Linear estimation is considered in nonparametric regression models of the form $Y_i = f(x_i) + \varepsilon_i, x_i \in (a, b)$, where the zero mean errors are uncorrelated with common variance $\sigma^2$ and the response function $f$ is assumed only to have a bounded square integrable $q$th derivative. The linear estimator which minimizes the maximum mean squared error summed over the observation points is derived, and the exact minimax rate of convergence is obtained. For practical problems where bounds on $\|f^{(q)}\|^2$ and $\sigma^2$ may be unknown, generalized cross-validation is shown to give an adaptive estimator which achieves the minimax optimal rate under the additional assumption of normality.