Adaptive Nonparametric Estimation via Kernel Transport on Group Orbits: Oracle Inequalities and Minimax Rates
群轨道上的核输运自适应非参数估计：Oracle不等式与极小极大速率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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要内容属于非参数估计的统计理论（核方法、Oracle不等式、极小极大速率），未涉及所给微观、宏观或金融计量细分领域的主题，故不选择任何细分方向。
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
群轨道上的核输运自适应非参数估计：Oracle不等式与极小极大速率
- 研究问题
- 摘要称，本文研究在离散群作用轨道结构下如何进行非参数函数估计，并刻画估计量能否自适应于沿群轨道的光滑性、以及速率由何种有效维度决定。
- 方法与思路
- 作者提出“Twin Spaces”框架：给定基核K与在输入空间E上等距作用的群G，构造一族输运核{K_j}，并设计满足Kraft不等式的惩罚模型选择方案，进而建立惩罚Twin核估计量的非渐近Oracle不等式。
- 材料陈述的贡献
- 摘要明确列出三点：给出带显式常数的非渐近Oracle不等式；提出刻画沿群轨道光滑性的twin正则类并证明估计量对其自适应；证明该框架在欧氏设定下可恢复经典极小极大最优速率，且当目标函数具有轨道结构时可获得改进速率。
- 阅读关注点
- 应核对Oracle不等式中常数的具体形式与假设、twin正则类的定义与自适应结论的证明条件、有效维度d_eff与商G/L的关系，以及“改进速率”相对何基准、在何种轨道结构下成立。
- 阅读边界
- 仅凭摘要无法判断定理的完整识别假设、证明细节与数值表现；摘要未说明具体实验或应用。该文为arXiv预印本，未经同行评审验证，不能据此声称已被期刊接收。
原文摘要
We develop a unified framework for nonparametric functional estimation based on kernel transport along orbits of discrete group actions, which we term \emph{Twin Spaces}. Given a base kernel $K$ and a group $G = \langle\varphi\rangle$ acting isometrically on the input space $E$, we construct a hierarchy of transported kernels $\{K_j\}_{j\geq 0}$ and a penalized model selection scheme satisfying a Kraft inequality. Our main contributions are threefold: (i) we establish non-asymptotic oracle inequalities for the penalized twin-kernel estimator with explicit constants; (ii) we introduce novel twin-regularity classes that capture smoothness along group orbits and prove that our estimator adapts to these classes; (iii) we show that the framework recovers classical minimax-optimal rates in the Euclidean setting while enabling improved rates when the target function exhibits orbital structure. The effective dimension $d_{\mathrm{eff}}$ governing the rates is characterized in terms of the quotient $G/L$, where $L$ is the subgroup preserving the base operation. Connections to wavelet methods, geometric quantization, and adaptive computation are discussed.