Deconvolution density estimation on SO(N)
SO(N) 上的反卷积密度估计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：摘要讨论李群上的非参数反卷积及经验贝叶斯应用，未明确涉及所列计量领域细分。
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
SO(N) 上的反卷积密度估计
- 研究问题
- 对于定义在特殊正交群 SO(N) 上的分布，如何建立非参数反卷积密度估计，并将欧氏空间方法推广到群与流形结构？
- 方法与思路
- 作者利用 SO(N) 的群与流形结构及相应群表示理论，改造欧氏反卷积方法，研究一致性与光滑条件下的收敛速度。
- 材料陈述的贡献
- 摘要称，获得一般一致性结果及充分光滑条件下的具体收敛率，并讨论方法在经验贝叶斯先验估计与推断中的应用。
- 阅读关注点
- 应核对群上的观测与卷积模型、表示理论如何进入估计构造、误差分布和光滑条件，以及收敛率的适用范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；观测误差机制、具体收敛率和应用结果未提供，不能据此判断与欧氏方法的性能差异。
原文摘要
This paper develops nonparametric deconvolution density estimation over $SO(N)$, the group of $N \times N$ orthogonal matrices of determinant 1. The methodology is to use the group and manifold structures to adapt the Euclidean deconvolution techniques to this Lie group environment. This is achieved by employing the theory of group representations explicit to $SO(N)$. General consistency results are obtained with specific rates of convergence achieved under sufficient smoothness conditions. Application to empirical Bayes prior estimation and inference is also discussed.