Asymptotic Distribution of Constrained Nearly-Isotonic Graph Fused Lasso
约束近等调图融合 Lasso 的渐近分布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：摘要讨论图上的 Lasso 型估计量渐近分布，属高维统计与图信号去噪理论，未涉及所提供领域细分中的因果、面板、时间序列或金融方向。
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
约束近等调图融合 Lasso 的渐近分布
- 研究问题
- 研究图上节点信号去噪的约束型 Lasso 估计量的渐近分布，以及惩罚参数条件如何影响该极限分布。
- 方法与思路
- 作者提出在惩罚参数的适当假设下，将约束过程直接施加于无约束估计量的渐近分布之上，从而刻画约束估计量的极限分布；无融合惩罚时则对无约束极限分布的子向量施加逐项近等调估计。
- 材料陈述的贡献
- 摘要称约束估计量与无约束估计量具有相同收敛速率，并给出其极限分布可由对无约束极限分布施加相应约束程序得到；无融合惩罚情形与等调回归的极限行为类似。
- 阅读关注点
- 应核对惩罚参数的具体假设、约束程序的精确定义、收敛速率结论的证明条件，以及无融合惩罚情形与等调回归类比的确切含义。
- 阅读边界
- 这是 arXiv 预印本摘要，未经同行评审或期刊接收验证；摘要未说明具体假设、正则条件、证明细节与数值表现，不能据此判断结论的一般性或实用性。
原文摘要
This paper studies the asymptotic distribution of a constrained lasso-type estimator for denoising signals defined on the nodes of a graph, where the underlying structure encodes relationships between variables. We show that, under suitable assumptions on the penalization parameters, the limiting distribution of the estimator is obtained by applying the corresponding constrained procedure to the asymptotic distribution of the unrestricted estimator. Thus, the constrained estimator shares the same convergence rate as the unrestricted estimator. Without the fusion penalty, the limiting distribution is obtained by applying individual nearly isotonic estimators to the corresponding sub-vectors of the unrestricted estimator's asymptotic distribution, similarly to the limiting behavior of isotonic regression.