Consistency for ACE-Type Methods
ACE 类方法的一致性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。
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：摘要核心是一般最优变换估计的一致性，时间序列仅作为扩展背景，缺乏专门领域归类依据。
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…
关注这篇论文的作者
ACE 类方法的一致性
- 研究问题
- 对通过交替条件期望及其扩展寻找最优变量变换的方法，何种条件能够保证估计变换在平方可积意义下一致？
- 方法与思路
- 作者将最优变换表述为 Hilbert 空间中带非线性函数约束的最小化问题，并用筛法处理受平滑性限制的估计变换。
- 材料陈述的贡献
- 摘要称，文章为估计目标泛函及约束下得到的变换建立 L² 一致性条件，为 ACE 类变换估计提供理论依据。
- 阅读关注点
- 应核对目标与约束的估计误差、筛空间及平滑限制的设定，以及统计一致性结果是否同时涉及迭代算法的收敛。
- 阅读边界
- 仅据版本未注明的索引摘要，无法确定一致性条件、收敛速度或算法保证；提及时间序列扩展不足以确认专门结论。
原文摘要
The ACE (alternating conditional expectations) algorithm developed by Breiman and Friedman is an iterative method for finding optimal transformations of variables in multiple regression. Recently, several authors have extended ACE to discriminant analysis, time series and principal components. The central idea of ACE and of each of these extensions is that an optimal transformation $\phi^\ast$ minimizes a squared error-related functional over a Hilbert space, subject to nonlinear functional constraints. An estimate $\hat{\phi}^{(N)}$ is obtained by minimizing an estimate of the functional, subject to estimates of the constraints, over a smoothness restricted class of transformations. Using the method of sieves, conditions are established for consistency of $\hat{\phi}^{(N)}$ in the $\mathbf{L}^2$ sense.