Continuity of the Distribution Function of the argmax of a Gaussian Process
高斯过程最大值位置的分布函数连续性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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究极值估计量的一般分布理论，所列例子不足以确定专门的离散选择或结构变化方向，因此不作细分归类。
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…
高斯过程最大值位置的分布函数连续性
- 研究问题
- 当极值估计量的非高斯极限分布可写成高斯过程最大值位置的分布时，哪些高层条件足以保证其分布函数连续？
- 方法与思路
- 作者提出连续性的充分条件，其中一项用于应用 Cameron–Martin 定理，并在最大得分、经验风险及阈值回归中验证。
- 材料陈述的贡献
- 摘要称，该连续性结果为若干已有推断程序提供理论支持；在一个主要特例中，相关假设较弱且似乎接近最小要求。
- 阅读关注点
- 应核对高斯过程与最大值位置的定义、连续性证明所需条件，以及三个例子的验证和推断程序对连续性的具体依赖。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未列充分条件，接近最小的表述也不能视为已证明必要性。
原文摘要
Certain extremum estimators have asymptotic distributions that are non-Gaussian, yet characterizable as the distribution of the $\argmax$ of a Gaussian process. This paper presents high-level sufficient conditions under which such asymptotic distributions admit a continuous distribution function. The plausibility of the sufficient conditions is demonstrated by verifying them in three examples, namely maximum score estimation, empirical risk minimization, and threshold regression estimation. In turn, the continuity result buttresses several recently proposed inference procedures whose validity seems to require a result of the kind established herein. A notable feature of the high-level assumptions is that one of them is designed to enable us to employ the Cameron-Martin theorem. In a leading special case, the assumption in question is demonstrably weak and appears to be close to minimal.