Adaptive wavelet estimation: a block thresholding and oracle inequality approach
自适应小波估计：块阈值与oracle不等式方法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：核心为通用非参数函数估计与自适应理论，摘要未提供所列细分方向的直接应用依据。
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
自适应小波估计：块阈值与oracle不等式方法
- 研究问题
- 如何通过小波块阈值估计同时实现整体自适应、空间局部自适应和计算效率，并在不同平滑函数类别上获得最优收敛速度？
- 方法与思路
- 作者推导oracle不等式以指导平滑参数选择，结合小波的数据压缩与局部化性质构造非参数回归估计量，并分析理论与模拟表现。
- 材料陈述的贡献
- 摘要称，估计量在一系列Besov类上达到精确最优收敛速度，在点估计上达到自适应局部极小极大速度，计算复杂度为O(n)。
- 阅读关注点
- 应核对观测模型、损失准则、Besov类范围、块长度及阈值规则，并区分整体收敛速度、局部最优性与模拟比较的具体含义。
- 阅读边界
- 所据为版本未注明的OpenAlex索引摘要；函数类和噪声条件未展开，模拟设置也未说明，不能将最优性解读为所有情形下更好。
原文摘要
We study wavelet function estimation via the approach of block thresholding and ideal adaptation with oracle. Oracle inequalities are derived and serve as guides for the selection of smoothing parameters. Based on an oracle inequality and motivated by the data compression and localization properties of wavelets, an adaptive wavelet estimator for nonparametric regression is proposed and the optimality of the procedure is investigated. We show that the estimator achieves simultaneously three objectives: adaptivity, spatial adaptivity and computational efficiency. Specifically, it is proved that the estimator attains the exact optimal rates of convergence over a range of Besov classes and the estimator achieves adaptive local minimax rate for estimating functions at a point. The estimator is easy to implement, at the computational cost of $O(n)$. Simulation shows that the estimator has excellent numerical performance relative to more traditional wavelet estimators.