Extrinsic Local Regression on Manifold-Valued Data
流形值数据的外在局部回归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：摘要属于流形响应的通用回归理论，未直接涉及所列因果、面板、宏观或金融方向。
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…
流形值数据的外在局部回归
- 研究问题
- 当响应变量位于流形而预测变量位于欧氏空间时，如何构造便于计算的回归方法，并描述估计量的渐近分布与收敛速度？
- 方法与思路
- 作者将响应所在流形嵌入更高维欧氏空间，在该空间进行局部回归，再把估计结果投影回流形的嵌入像，形成外在回归框架。
- 材料陈述的贡献
- 摘要称该框架具有一般性和计算便利性，推导了估计量的渐近分布与收敛率，并通过多类流形实例说明其适用范围。
- 阅读关注点
- 应核对嵌入与投影的选择、投影是否唯一、局部平滑参数如何确定，以及渐近结果对流形几何和响应分布施加的条件。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要，无法核对刊本变化；摘要未列出定理条件，其首次采用外在回归的表述也未独立核验。
原文摘要
We propose an extrinsic regression framework for modeling data with manifold valued responses and Euclidean predictors. Regression with manifold responses has wide applications in shape analysis, neuroscience, medical imaging and many other areas. Our approach embeds the manifold where the responses lie onto a higher dimensional Euclidean space, obtains a local regression estimate in that space, and then projects this estimate back onto the image of the manifold. Outside the regression setting both intrinsic and extrinsic approaches have been proposed for modeling i.i.d manifold-valued data. However, to our knowledge our work is the first to take an extrinsic approach to the regression problem. The proposed extrinsic regression framework is general, computationally efficient and theoretically appealing. Asymptotic distributions and convergence rates of the extrinsic regression estimates are derived and a large class of examples are considered indicating the wide applicability of our approach.