Estimation of a function with discontinuities via local polynomial fit with an adaptive window choice
通过自适应窗口局部多项式拟合估计含不连续点的函数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：摘要中的变化点属于一般回归函数的不连续性，未明确涉及时间序列或宏观结构变化。
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
通过自适应窗口局部多项式拟合估计含不连续点的函数
- 研究问题
- 如何在未知跳点及导数不连续的情况下自适应估计回归函数，同时兼顾整体积分误差表现与不连续点附近的局部适应能力？
- 方法与思路
- 作者采用自适应窗口选择的局部多项式拟合，在非渐近框架下分析估计误差，并比较跳点邻域之外与已知跳点位置时的表现。
- 材料陈述的贡献
- 摘要称，方法在平均积分误差意义下近乎最优；跳点附近特定规模区间之外，估计质量基本接近已知跳点位置的情形。
- 阅读关注点
- 阅读全文时应核对窗口选择准则、误差定义和非渐近界的常数，并确认设计、跳点数量与大小不受限制的陈述及其他正则条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；噪声和函数类别条件未完整列出，非渐近结果不等于任意样本下效果良好，也不能推断精确跳点恢复。
原文摘要
We propose a method of adaptive estimation of a regression function which is near optimal in the classical sense of the mean integrated error. At the same time, the estimator is shown to be very sensitive to discontinuities or change-points of the underlying function $f$ or its derivatives. For instance, in the case of a jump of a regression function, beyond the intervals of length (in order) $n^{-1} \log n$ around change-points the quality of estimation is essentially the same as if locations of jumps were known. The method is fully adaptive and no assumptions are imposed on the design, number and size of jumps. The results are formulated in a nonasymptotic way and can therefore be applied for an arbitrary sample size.