Online estimation of the geometric median in Hilbert spaces: Nonasymptotic confidence balls
Hilbert 空间中几何中位数的在线估计：非渐近置信球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：摘要研究通用空间中的稳健位置估计与随机算法，未明确关联所列领域细分。
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…
Hilbert 空间中几何中位数的在线估计：非渐近置信球
- 研究问题
- 面对可能受噪声污染的大规模高维数据，如何为在线几何中位数估计提供有限样本的不确定性量化？
- 方法与思路
- 作者分析已有的平均化非线性随机梯度算法，通过改进均方收敛率及递推算法中近似鞅项的指数不等式构造置信球。
- 材料陈述的贡献
- 摘要称，论文在一般可分 Hilbert 空间中给出非渐近置信球，并为该非线性递推算法建立更细致的收敛控制。
- 阅读关注点
- 应核对置信球半径是否可计算、步长与初始化要求，以及分布条件和常数如何影响有限样本覆盖保证。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；算法沿用已有工作，本文具体置信球公式、适用条件和计算表现未提供。
原文摘要
Estimation procedures based on recursive algorithms are interesting and powerful techniques that are able to deal rapidly with very large samples of high dimensional data. The collected data may be contaminated by noise so that robust location indicators, such as the geometric median, may be preferred to the mean. In this context, an estimator of the geometric median based on a fast and efficient averaged nonlinear stochastic gradient algorithm has been developed by [Bernoulli 19 (2013) 18–43]. This work aims at studying more precisely the nonasymptotic behavior of this nonlinear algorithm by giving nonasymptotic confidence balls in general separable Hilbert spaces. This new result is based on the derivation of improved $L^{2}$ rates of convergence as well as an exponential inequality for the nearly martingale terms of the recursive nonlinear Robbins–Monro algorithm.