Noisy recovery from random linear observations: Sharp minimax rates under elliptical constraints
随机线性观测下的含噪恢复：椭球约束下的精确极小极大速率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：摘要研究一般随机线性逆问题与回归速率，未提供所列具体经济计量领域的文本依据。
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…
随机线性观测下的含噪恢复：椭球约束下的精确极小极大速率
- 研究问题
- 随机线性算子的含噪观测下，椭球约束参数的极小极大估计速率如何由噪声水平、算子分布和误差度量共同决定？
- 方法与思路
- 作者构造刻画极小极大速率的泛函，将噪声、随机算子的分布及两类椭球范数纳入统一分析，并应用于回归问题。
- 材料陈述的贡献
- 摘要称，非渐近结果在显式通用常数范围内精确，参数空间半径增长时渐近精确，并适用于参数与非参数回归。
- 阅读关注点
- 应核对紧椭球参数集和随机算子的条件、刻画泛函的形式与可计算性，以及常数界和半径增长极限的确切含义。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要，具体条件与构造未提供；半径增长下的精确性不能替换为样本量渐近结论。
原文摘要
Estimation problems with constrained parameter spaces arise in various settings. In many of these problems, the observations available to the statistician can be modelled as arising from the noisy realization of the image of a random linear operator; an important special case is random design regression. We derive sharp rates of estimation for arbitrary compact elliptical parameter sets and demonstrate how they depend on the distribution of the random linear operator. Our main result is a functional that characterizes the minimax rate of estimation in terms of the noise level, the law of the random operator, and elliptical norms that define the error metric and the parameter space. This nonasymptotic result is sharp up to an explicit universal constant, and it becomes asymptotically exact as the radius of the parameter space is allowed to grow. We demonstrate the generality of the result by applying it to both parametric and nonparametric regression problems.