Online Statistical Inference for Stochastic Optimization via Kiefer-Wolfowitz Methods
基于 Kiefer–Wolfowitz 方法的随机优化在线统计推断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：摘要研究通用随机优化的参数推断，未明确对应所列经济计量细分。
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…
关注这篇论文的作者
基于 Kiefer–Wolfowitz 方法的随机优化在线统计推断
- 研究问题
- 在通过函数值查询进行随机优化时，如何在线量化参数估计的不确定性，并理解查询成本与统计效率之间的权衡？
- 方法与思路
- 作者研究随机搜索方向下的平均型 Kiefer–Wolfowitz 估计量，推导渐近分布，优化方向选择并构造两类在线区间。
- 材料陈述的贡献
- 摘要称渐近协方差反映搜索方向分布及函数查询复杂度的影响，并据此提供有效置信区间的两种构造程序。
- 阅读关注点
- 应核对目标函数和随机误差的条件、步长与扰动设置、方向优化的评价准则，以及在线区间所指的有效性类型。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；两种区间的具体构造及条件未说明，不能据此认定任意停止时刻有效或推断刊本变化。
原文摘要
This article investigates the problem of online statistical inference of model parameters in stochastic optimization problems via the Kiefer-Wolfowitz algorithm with random search directions. We first present the asymptotic distribution for the Polyak-Ruppert-averaging type Kiefer-Wolfowitz (AKW) estimators, whose asymptotic covariance matrices depend on the distribution of search directions and the function-value query complexity. The distributional result reflects the tradeoff between statistical efficiency and function query complexity. We further analyze the choice of random search directions to minimize certain summary statistics of the asymptotic covariance matrix. Based on the asymptotic distribution, we conduct online statistical inference by providing two construction procedures of valid confidence intervals. Supplementary materials for this article are available online.