Density Estimation Using Exponentials of Orthogonal Series
利用正交级数指数形式进行密度估计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：摘要讨论通用密度估计，没有分位数效应、经济分布比较或其他所列方向的直接依据。
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…
关注这篇论文的作者
利用正交级数指数形式进行密度估计
- 研究问题
- 如何以正交多项式级数的指数表示密度，使似然估计数值稳定，并通过损失函数选择展开项数和实施惩罚估计？
- 方法与思路
- 作者构造指数形式的正交级数密度，以相对于估计密度正交的多项式改善似然方程条件性，并用估计损失选择项数、求解惩罚方程。
- 材料陈述的贡献
- 摘要称该表示具有简单似然及完备充分统计量，惩罚计算所需额外工作较少；模拟中其平均积分平方误差低于线性正交级数估计。
- 阅读关注点
- 应核对密度归一化、正交基更新与数值求解、损失估计和惩罚项定义，以及模拟密度、样本规模与比较方法的配置。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未报告模拟设计与误差数值，不能把所述比较推广为对所有密度和样本规模的优势。
原文摘要
If a density is represented as an exponential of a series of orthogonal polynomials, it has a simple likelihood with a complete set of sufficient statistics. To ensure that the maximum likelihood equations are well conditioned, the polynomials should be orthogonal with respect to the estimated density. The optimal number of terms in the series can be determined by minimizing an estimate of a loss function. The penalized likelihood equations can be solved with little extra effort. Computer simulations show that the resulting density estimator has a smaller mean integrated squared error than the linear orthogonal series estimator.