Renormalization and White Noise Approximation for Nonparametric Functional Estimation Problems
非参数泛函估计中的重整化与白噪声近似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：摘要涉及通用非参数估计与统计实验理论，未明确对应任何所列经济学细分领域。
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
非参数泛函估计中的重整化与白噪声近似
- 研究问题
- 白噪声模型中的重整化如何帮助确定非参数泛函逐点估计的最优收敛速度，同类尺度变换又如何用于密度的逐点估计？
- 方法与思路
- 摘要描述对白噪声模型进行重整化，并将类似的重新缩放思路用于构造适合逐点密度估计问题的一系列统计实验。
- 材料陈述的贡献
- 摘要称白噪声模型常可精确重整化，从而得到逐点非参数泛函估计的最优收敛速度，并提出与逐点密度估计相适配的实验序列。
- 阅读关注点
- 应核对所研究泛函与函数类、最优性的风险标准，以及重整化的具体含义和白噪声模型与密度估计实验之间的联系。
- 阅读边界
- 仅依据OpenAlex索引摘要，稿件版本未注明。摘要极短，未给出具体速率、近似条件或定理，不能推断一般实验等价性。
原文摘要
White noise models often renormalize exactly yielding optimal rates of convergence for pointwise nonparametric functional estimation problems. Similar rescaling ideas lead to a sequence of experiments appropriate for pointwise density estimation problems.