Minimax estimation of smooth densities in Wasserstein distance
Wasserstein 距离下光滑密度的极小极大估计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：摘要讨论一般概率密度估计与最优传输损失，未明确涉及经济分布效应。
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
Wasserstein 距离下光滑密度的极小极大估计
- 研究问题
- 研究以 Wasserstein 距离衡量密度估计误差时，不同光滑密度类的极小极大收敛速度，以及密度是否有正下界的影响。
- 方法与思路
- 作者利用 Wasserstein 距离与 Besov 范数之间近乎紧的对偶刻画，分析两类密度的估计速率，并构造便于计算的离散支撑测度。
- 材料陈述的贡献
- 摘要称获得一般 Wasserstein 距离下两类密度的极小极大最优速率，揭示正下界的重要性，并给出达到这些速率的离散近似。
- 阅读关注点
- 应核对维度、光滑度、距离阶数与密度下界如何共同影响速率，以及次高斯类条件、上下界证明和离散构造的计算要求。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出速率公式与常数，其“首次”表述也无法仅凭所给材料独立核实。
原文摘要
We study nonparametric density estimation problems where error is measured in the Wasserstein distance, a metric on probability distributions popular in many areas of statistics and machine learning. We give the first minimax-optimal rates for this problem for general Wasserstein distances for two classes of densities: smooth probability densities on [0,1]d bounded away from 0, and sub-Gaussian densities lying in the Hölder class Cs, s∈(0,1). Unlike classical nonparametric density estimation, these rates depend on whether the densities in question are bounded below, even in the compactly supported case. Motivated by variational problems involving the Wasserstein distance, we also show how to construct discretely supported measures, suitable for computational purposes, which achieve the minimax rates. Our main technical tool is an inequality giving a nearly tight dual characterization of the Wasserstein distances in terms of Besov norms.