On automatic boundary corrections
自动边界修正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：摘要研究一般回归和密度平滑的边界理论，未涉及分位数、分布效应或其他所列具体应用方向，因此不指定领域细分。
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…
自动边界修正
- 研究问题
- 平滑曲线估计在端点处容易出现边界效应；局部多项式如何自动修正这些效应，并为不同阶导数选择合适权重？
- 方法与思路
- 作者在回归与密度估计两种场景中研究局部多项式端点拟合的最佳权重，并在不同线性极小极大标准下比较估计量。
- 材料陈述的贡献
- 摘要称，最佳权重有适用于一般多项式次数和导数阶数的简单解，估计量具弱极小极大最优性及通常标准下的高效率。
- 阅读关注点
- 应核对两种极小极大标准的定义、函数类与损失设定、最佳权重的适用条件，以及密度估计中的自动边界修正构造。
- 阅读边界
- 依据版本未注明的索引摘要；最优性限于摘要所述线性估计量及特定标准，不能据此认定有限样本或所有平滑问题中的优势。
原文摘要
Many popular curve estimators based on smoothing have difficulties caused by boundary effects. These effects are visually disturbing in practice and can play a dominant role in theoretical analysis. Local polynomial regression smoothers are known to correct boundary effects automatically. Some analogs are implemented for density estimation and the resulting estimators also achieve automatic boundary corrections. In both settings of density and regression estimation, we investigate best weight functions for local polynomial fitting at the endpoints and find a simple solution. The solution is universal for general degree of local polynomial fitting and general order of estimated derivative. Furthermore, such local polynomial estimators are best among all linear estimators in a weak minimax sense, and they are highly efficient even in the usual linear minimax sense.