Nonlinear global Fréchet regression for random objects via weak conditional expectation
通过弱条件期望实现随机对象的非线性全局 Fréchet 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：题名与残缺摘要涉及一般随机对象回归，缺乏归入所列经济计量细分方向的直接证据。
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…
通过弱条件期望实现随机对象的非线性全局 Fréchet 回归
- 研究问题
- 结合题名与所给残缺摘要，论文关注如何对度量空间中的随机对象建立非线性全局回归，并研究估计的渐近性质。
- 方法与思路
- 题名指向弱条件期望方法；摘要要求预测变量的度量空间容许再生核，并利用响应空间的内在几何研究估计性质。
- 材料陈述的贡献
- 摘要称，选择线性核可得到某个既有方法作为特例，并开展模拟和真实应用；由于摘要开头缺失，无法确认该方法身份。
- 阅读关注点
- 应先核对完整摘要，再查看弱条件期望与回归目标的定义、再生核要求、响应空间几何条件及有限样本研究的结果。
- 阅读边界
- 所给 OpenAlex 索引摘要版本未注明且开头明显截断；无法确认特例所指文献，具体定理、算法与数值结果也未提供。
原文摘要
(2019) 691-719) emerges as a special case of our method by choosing a linear kernel. We require that the metric space for the predictor admits a reproducing kernel, while the intrinsic geometry of the metric space for the response is utilized to study the asymptotic properties of the proposed estimates. Numerical studies, including extensive simulations and a real application, are conducted to investigate the finite-sample performance.