A Norm Reducing Property for Isotonized Cauchy Mean Value Functions
保序化柯西均值函数的范数缩减性质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：摘要研究一般保序函数和形状约束回归，未明确涉及分位数、分布效应或其他所列经济计量细分。
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
保序化柯西均值函数的范数缩减性质
- 研究问题
- 对有限偏序集合上的函数进行保序化后，相对任意保序目标的最大绝对误差能否保证不增，并支持保序回归的一致性？
- 方法与思路
- 作者从满足柯西均值性质的集合函数出发构造保序化函数，研究其最大误差的范数缩减性质，并讨论计算算法。
- 材料陈述的贡献
- 摘要称，保序化不会增大相对任意保序目标的最大绝对误差；该性质还能用于获得若干保序回归问题的一致性结果。
- 阅读关注点
- 应核对集合均值与原函数、保序化函数之间的关系，偏序下算法的定义，以及范数缩减如何导出各应用的一致性。
- 阅读边界
- 索引摘要版本未注明，未列出具体算法与各回归问题的条件；不能把最大误差不增推广为所有损失或有限样本风险改善。
原文摘要
We consider functions $\alpha(\bullet)$ and $\hat{\alpha}(\bullet)$ on a finite set $S$ which correspond to a function $M(\bullet)$ on the nonempty subsets of $S$ which has the Cauchy mean value property (i.e., $M(A + B)$ is between $M(A)$ and $M(B)$ whenever $A$ and $B$ are nonempty disjoint subsets of $S$). $\hat{\alpha}(\bullet)$ is isotone with respect to a partial ordering on $S$ and is equal to $\alpha(\bullet)$ when $\alpha(\bullet)$ is isotone. It is shown that $\hat{\alpha}(\bullet)$ has the following norm reducing property: $\max_{s\in S} |\hat{\alpha}(s) - \theta(s)| \leqq \max_{s\in S} |\alpha(s) - \theta(s)|$ for all isotone $\theta(\bullet)$. Computation algorithms for $\hat{\alpha}(\bullet)$ are discussed and the norm reducing property is shown to give consistency results in several isotonic regression problems.