Functional aggregation for nonparametric regression
非参数回归中的函数聚合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：主体是通用非参数函数聚合，动态系统应用未明确涉及宏观预测或其他所列专门方向。
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
非参数回归中的函数聚合
- 研究问题
- 如何依据随机设计上的含噪观测聚合多个候选函数，使估计表现接近这些函数的最佳凸组合？
- 方法与思路
- 作者提出逼近最佳凸组合的聚合算法，以期望平方可积误差评价精度，并讨论动态系统预测与函数重构应用。
- 材料陈述的贡献
- 摘要称给出聚合逼近速率，并证明该速率无法得到显著改进；还讨论具有输出非线性的动态系统等应用。
- 阅读关注点
- 应核对误差度量究竟针对目标函数还是最佳凸组合、候选函数与噪声条件，以及速率和下界的准确表达。
- 阅读边界
- 仅据版本未明的 OpenAlex 索引摘要；速率公式括号不完整，需核对原文，不据此重构公式或推断具体最优性范围。
原文摘要
We consider the problem of estimating an unknown function $f$ from $N$ noisy observations on a random grid. In this paper we address the following aggregation problem: given $M$ functions $f_1,\dots, f_M$, find an “aggregated ”estimator which approximates $f$ nearly as well as the best convex combination $f^*$ of $f_1,\dots, f_M$. We propose algorithms which provide approximations of $f^*$ with expected $L_2$ accuracy $O(N^{-1/4}\ln^{1/4} M$. We show that this approximation rate cannot be significantly improved. We discuss two specific applications: nonparametric prediction for a dynamic system with output nonlinearity and reconstruction in the Jones – Barron class.