On the Choice of Smoothing Parameter, Threshold and Truncation in Nonparametric Regression by Non-Linear Wavelet Methods
非线性小波回归中平滑、阈值与截断参数的选择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：摘要属于通用非参数回归与小波方法，没有所列经济或金融细分领域的直接证据。
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
非线性小波回归中平滑、阈值与截断参数的选择
- 研究问题
- 在一般误差分布和设计下，如何选择非线性小波回归的阈值、截断及平滑参数，并处理误差尾部与随机设计的影响？
- 方法与思路
- 作者建立非线性小波均值估计的渐近理论，以矩条件描述误差尾部，并讨论随机设计修正及其与核密度平滑参数的相互作用。
- 材料陈述的贡献
- 摘要称，理论涵盖较一般的误差与设计，以矩条件替代此前常见的正态误差要求，并提出不同随机设计修正思路。
- 阅读关注点
- 应核对所需误差矩阶数、均值函数条件、阈值和截断规则，以及随机设计下归一化、密度估计与小波调参的关系。
- 阅读边界
- 仅据 Crossref 摘要；具体矩条件、收敛结论和调参规则未提供，不能理解为任意重尾误差均适用，也未核验刊本差异。
原文摘要
SUMMARY Concise asymptotic theory is developed for non-linear wavelet estimators of regression means, in the context of general error distributions, general designs, general normalizations in the case of stochastic design, and non-structural assumptions about the mean. The influence of the tail weight of the error distribution is addressed in the setting of choosing threshold and truncation parameters. Mainly, the tail weight is described in an extremely simple way, by a moment condition; previous work on this topic has generally imposed the much more stringent assumption that the error distribution be normal. Different approaches to correction for stochastic design are suggested. These include conventional kernel estimation of the design density, in which case the interaction between the smoothing parameters of the non-linear wavelet estimator and the linear kernel method is described.