A New Class of Kernels for Nonparametric Curve Estimation
用于非参数曲线估计的一类新核函数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：摘要属于一般非参数曲线平滑理论，未明确涉及分位数、分布效应或其他所列细分方向。
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
用于非参数曲线估计的一类新核函数
- 研究问题
- 能否构造计算方便、具有良好积分均方误差收敛性质的核函数，使其在边界附近自动变形，从而处理曲线估计的边界偏差？
- 方法与思路
- 作者提出通过简单缩放依赖平滑参数的可变核，以指数衰减的正弦和余弦给出计算公式，并将其视为某类格林函数的近似。
- 材料陈述的贡献
- 摘要称新核可在边界自动变形并消除边界偏差，具有良好的积分均方误差收敛性质，所得估计与平滑样条密切相关。
- 阅读关注点
- 应核对消除边界偏差的准确含义、积分均方误差的条件与速率、各阶核的计算公式，以及格林函数近似和样条关系。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体边界条件、收敛率和近似误差未提供，不能推断普遍无偏或刊本变化。
原文摘要
We introduce a new class of variable kernels which depend on the smoothing parameter b through a simple scaling operation, and which have good integrated mean square error (IMSE) convergence properties. These kernels deform "automatically" near the boundary, eliminating boundary bias. Computational formulas are given for all orders of kernel in terms of exponentially damped sines and cosines. The kernel is a computationally convenient approximation to a certain Green's function, with the resulting kernel estimate closely related to a smoothing spline estimate.