Parameter tuning in pointwise adaptation using a propagation approach
利用传播方法调节逐点自适应估计参数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：摘要讨论通用自适应非参数估计和逆问题，未明确指向给定的经济计量领域细分。
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
利用传播方法调节逐点自适应估计参数
- 研究问题
- 在回归函数逐点估计或线性逆问题中，如何为 Lepski 型自适应选择程序设定阈值，减少保守调参带来的过度平滑？
- 方法与思路
- 作者从按变异程度排序的候选估计量中进行数据驱动选择，并以简单参数情形下预先规定的估计行为来校准程序参数。
- 材料陈述的贡献
- 摘要称，新调参方法具有非渐近 oracle 风险界，风险与最优候选估计量相差至多对数乘子，并在若干模拟例子中表现良好。
- 阅读关注点
- 应核对传播校准的具体实现、候选估计族的条件、风险与对数乘子的定义，以及模拟中阈值选择和过度平滑的比较方式。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要。摘要未给出风险界的完整条件、常数和模拟数值，不能据此确认普遍优越性。
原文摘要
This paper discusses the problem of adaptive estimation of a univariate object like the value of a regression function at a given point or a linear functional in a linear inverse problem. We consider an adaptive procedure originated from Lepski [Theory Probab. Appl. 35 (1990) 454–466.] that selects in a data-driven way one estimate out of a given class of estimates ordered by their variability. A serious problem with using this and similar procedures is the choice of some tuning parameters like thresholds. Numerical results show that the theoretically recommended proposals appear to be too conservative and lead to a strong oversmoothing effect. A careful choice of the parameters of the procedure is extremely important for getting the reasonable quality of estimation. The main contribution of this paper is the new approach for choosing the parameters of the procedure by providing the prescribed behavior of the resulting estimate in the simple parametric situation. We establish a non-asymptotical “oracle” bound, which shows that the estimation risk is, up to a logarithmic multiplier, equal to the risk of the “oracle” estimate that is optimally selected from the given family. A numerical study demonstrates a good performance of the resulting procedure in a number of simulated examples.