Pointwise and sup-norm sharp adaptive estimation of functions on the Sobolev classes
Sobolev 类函数的逐点与上确界范数精确自适应估计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：摘要研究高斯白噪声中的一般函数估计，未提供所列经济计量细分领域的直接依据。
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
Sobolev 类函数的逐点与上确界范数精确自适应估计
- 研究问题
- 在高斯白噪声模型中，函数光滑度未知时能否对 Sobolev 类实现精确自适应估计，逐点与上确界风险需付出多少代价？
- 方法与思路
- 作者针对未知正则性参数构造逐点及上确界范数风险下的自适应估计量，并研究相对于已知光滑度情形的效率损失。
- 材料陈述的贡献
- 摘要称提出渐近精确的自适应估计量，并证明这两类风险下效率损失不可避免，与 L2 风险情形不同，还给出损失界。
- 阅读关注点
- 应核对 Sobolev 类的范围、风险与渐近精确性的定义，以及效率损失界如何依赖光滑度和自适应范围。
- 阅读边界
- 摘要未给出估计量、损失界数值或具体正则性条件，不能推广至任意非参数模型；索引摘要未注明稿件版本。
原文摘要
The problem of nonparametric function estimation in the Gaussian white noise model is considered. It is assumed that the unknown function belongs to one of the Sobolev classes, with an unknown regularity parameter. Asymptotically exact adaptive estimators of functions are proposed on the scale of Sobolev classes, with respect to pointwise and sup-norm risks. It is shown that, unlike the case of $L_2$-risk, a loss of efficiency under adaptation is inevitable here. Bounds on the value of the loss of efficiency are obtained.