Anisotropic function estimation using multi-bandwidth Gaussian processes
利用多带宽 Gaussian 过程估计各向异性函数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：摘要研究通用贝叶斯非参数函数估计，没有明确涉及所列经济或金融领域细分。
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…
利用多带宽 Gaussian 过程估计各向异性函数
- 研究问题
- 多预测变量的非参数回归中，如何同时适应未知的有效维度与各方向不同的光滑度，并减少无关变量的影响？
- 方法与思路
- 作者对 Gaussian 过程先验设置各维度专属尺度，配以特定超先验，从而构造适应维度与各向异性光滑度的贝叶斯方法。
- 材料陈述的贡献
- 摘要称，后验收缩达到相差对数因子的极小极大最优速率，并证明单带宽同质过程在各向异性情形下速率次优。
- 阅读关注点
- 应核对各维度尺度的超先验、真实函数类别与收缩度量，以及维度适应和单带宽次优性结论的条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体速率、对数因子和计算方法未说明，理论速率不直接代表有限样本优势。
原文摘要
In nonparametric regression problems involving multiple predictors, there is typically interest in estimating an anisotropic multivariate regression surface in the important predictors while discarding the unimportant ones. Our focus is on defining a Bayesian procedure that leads to the minimax optimal rate of posterior contraction (up to a log factor) adapting to the unknown dimension and anisotropic smoothness of the true surface. We propose such an approach based on a Gaussian process prior with dimension-specific scalings, which are assigned carefully-chosen hyperpriors. We additionally show that using a homogenous Gaussian process with a single bandwidth leads to a sub-optimal rate in anisotropic cases.