Nonparametric Regression for Spherical Data
球面数据的非参数回归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：摘要讨论一般球面回归理论与案例，未提供所列计量领域细分的直接依据。
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…
球面数据的非参数回归
- 研究问题
- 当预测变量和响应变量都位于球面，且两者维度可能不同、设计可以随机时，如何构造灵活且保留几何性质的非参数回归？
- 方法与思路
- 作者采用局部多项式拟合，在多输出框架中分别估计响应坐标，研究估计的线性性、旋转等变性及收敛速率性质。
- 材料陈述的贡献
- 摘要称方法保留局部多项式的速率最优性、可解释性和实现便利，并摆脱既有参数方法对空间同维度及非随机设计的限制。
- 阅读关注点
- 应核对球面局部拟合的构造、坐标估计如何满足响应空间要求、旋转等变性定义，以及速率最优结论的函数类和条件。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；估计构造和速率最优性的具体条件未说明，案例表现不能外推至所有球面数据，不能推断刊本变化。
原文摘要
We develop nonparametric smoothing for regression when both the predictor and the response variables are defined on a sphere of whatever dimension. A local polynomial fitting approach is pursued, which retains all the advantages in terms of rate optimality, interpretability, and ease of implementation widely observed in the standard setting. Our estimates have a multi-output nature, meaning that each coordinate is separately estimated, within a scheme of a regression with a linear response. The main properties include linearity and rotational equivariance. This research has been motivated by the fact that very few models describe this kind of regression. Such current methods are surely not widely employable since they have a parametric nature, and also require the same dimensionality for prediction and response spaces, along with nonrandom design. Our approach does not suffer these limitations. Real-data case studies and simulation experiments are used to illustrate the effectiveness of the method.