Change-point estimation under adaptive sampling
自适应采样下的变点估计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：摘要研究工程背景下可控协变量的回归跳跃点，没有明确的宏观时间序列结构变化背景。
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…
自适应采样下的变点估计
- 研究问题
- 在协变量取值可主动选择、总测量次数受预算约束时，如何定位平滑参数回归模型中的跳跃点，并提高估计收敛速度？
- 方法与思路
- 作者提出多阶段自适应程序，每阶段估计跳跃位置，再在其适当邻域采样；利用经验过程技术推导最小二乘变点估计的渐近分布。
- 材料陈述的贡献
- 摘要称，多阶段程序加快变点估计的收敛速度，渐近分布为调参提供依据，并用真实与合成数据展示效率改善。
- 阅读关注点
- 应核对主动采样的可行条件、阶段预算分配和邻域尺度，明确加快速率的比较基准，并查看调参建议与实际数据验证。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体速率、采样条件和效率数值未说明，不能直接推广至无法主动采样的时间序列。
原文摘要
We consider the problem of locating a jump discontinuity (change-point) in a smooth parametric regression model with a bounded covariate. It is assumed that one can sample the covariate at different values and measure the corresponding responses. Budget constraints dictate that a total of n such measurements can be obtained. A multistage adaptive procedure is proposed, where at each stage an estimate of the change point is obtained and new points are sampled from its appropriately chosen neighborhood. It is shown that such procedures accelerate the rate of convergence of the least squares estimate of the change-point. Further, the asymptotic distribution of the estimate is derived using empirical processes techniques. The latter result provides guidelines on how to choose the tuning parameters of the multistage procedure in practice. The improved efficiency of the procedure is demonstrated using real and synthetic data. This problem is primarily motivated by applications in engineering systems.