TwinKernel Estimation for Point Process Intensity Functions: Adaptive Nonparametric Methods via Orbital Regularity
点过程强度函数的孪生核估计：基于轨道正则性的自适应非参数方法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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要主题为点过程强度函数的非参数估计与鞅方法，属于通用统计理论，未涉及所给微观、宏观或金融领域细分的具体文本依据。
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
点过程强度函数的孪生核估计：基于轨道正则性的自适应非参数方法
- 研究问题
- 摘要称，研究如何对点过程的强度函数进行非参数估计，并在强度函数具有轨道正则性（如周期性等群轨道结构）时实现自适应估计。
- 方法与思路
- 作者提出 TwinKernel 方法，将一般孪生核框架与计数过程的鞅技术结合，沿群轨道搬运核，构造一族平滑的 Nelson-Aalen 型估计量，并给出局部多项式扩展与惩罚模型选择。
- 材料陈述的贡献
- 摘要称主要结果包括：鞅集中不等式下的均匀相合性；孪生 Hölder 类中的最优收敛速率（依赖有效维度）；对未知光滑度的自适应；自动边界偏差校正；以及极小极大下界所显示的速率最优性，并应用于随机删失下的风险率估计。
- 阅读关注点
- 阅读全文时应核对：孪生 Hölder 类的具体定义与有效维度如何确定；群作用与轨道正则性的识别条件；惩罚模型选择与局部多项式扩展的实现细节；模拟中 3–7 倍改进的设定与可比性；置信带构造所需的条件。
- 阅读边界
- 仅凭摘要无法判断估计量在有限样本下的表现、模拟设计是否公平、证明细节是否完整，也无法确认其相对经典核风险估计量的普遍优势；摘要未说明真实数据应用与软件实现。
原文摘要
We develop TwinKernel methods for nonparametric estimation of intensity functions of point processes. Building on the general TwinKernel framework and combining it with martingale techniques for counting processes, we construct estimators that adapt to orbital regularity of the intensity function. Given a point process $N$ with intensity $λ$ and a cyclic group $G = \langle\varphi\rangle$ acting on the time/space domain, we transport kernels along group orbits to create a hierarchy of smoothed Nelson-Aalen type estimators. Our main results establish: (i) uniform consistency via martingale concentration inequalities; (ii) optimal convergence rates for intensities in twin-Hölder classes, with rates depending on the effective dimension $d_{\mathrm{eff}}$; (iii) adaptation to unknown smoothness through penalized model selection; (iv) automatic boundary bias correction via local polynomial extensions in twin coordinates; (v) minimax lower bounds showing rate optimality. We apply the methodology to hazard rate estimation under random censoring, where periodicity or other orbital structure in the hazard may arise from circadian rhythms, seasonal effects, or treatment schedules. Martingale central limit theorems yield asymptotic confidence bands. Simulation studies demonstrate 3--7$\times$ improvements over classical kernel hazard estimators when the intensity exhibits orbital regularity.