×
费利克斯·阿布拉莫维奇;丹妮拉·德·坎迪蒂斯;玛丽安娜·彭斯基

通过模型选择和聚合解决线性不适定问题。 （英语） Zbl 1402.62064号

电子。J.统计。 1822-1841（2018）第1期第12页。
在线性不适定问题中，作者提出了两种基于超完备字典的估计方法。第一个估计量是通过最小化惩罚的经验风险获得的。第二种方法基于一种Q聚合类型的程序，该程序专门用于解决线性不适定问题。Oracle不等式是针对高概率和期望值的估值器建立的。此外，对于Q聚集估计，不等式是尖锐的。通过模拟研究评估了拟议程序的性能。所有证明均已给出。所得结果对许多应用非常有用。
审核人：Krzysztof Piasecki（波兹南）

MSC公司：

62G08号 非参数回归和分位数回归
62G05型 非参数估计

关键词：

聚合;不适定线性反问题;型号选择;oracle不等式;超完备字典
PDF格式BibTeX公司 XML格式引用
\textit{F.Abramovich}等人，《电子》。J.Stat.12，No.1，1822--1841（2018；Zbl 1402.62064）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Abramovich，F.和Grinshtein，V.（2010年）。高斯回归中的MAP模型选择。，选举人。《统计学杂志》，第4期，932-949页·兹比尔1329.62051 ·doi:10.1214/10-EJS573
[2] Abramovich F.和Silverman B.W.（1998年）。统计逆问题的小波分解方法。，生物特征85，115-129·Zbl 0908.62095号 ·doi:10.1093/biomet/85.1.115
[3] Bellec，P.C.（2018年）。仿射估计集合的最优界。，《统计年鉴》46，30-59·Zbl 1401.62056号 ·doi:10.1214/17-AOS1540
[4] Birgé，L.和Massart，P.（2001年）。高斯模型选择。，《欧洲数学杂志》。Soc.3203-268号·Zbl 1037.62001 ·doi:10.1007/s100970100031
[5] Birgé，L.和Massart，P.（2007年）。高斯模型选择的最小惩罚。，普罗巴伯。理论关联。字段138 33-73·Zbl 1112.62082号 ·doi:10.1007/s00440-006-0011-8
[6] Brémaud，P.（1999）。，《马尔可夫链：吉布斯场、蒙特卡罗模拟和队列》，纽约斯普林格出版社·Zbl 0949.60009号
[7] Cavalier，L.（2011）。统计学中的反问题。，《反问题与高维估计》（Eds.Alquier，P.、Gautier，E.和Gilles，G.），《统计学203讲义》，Springer，3-96。
[8] Cavalier，L.和Golubev，Yu。（2006）风险壳方法和通过不适定反问题投影的正则化。，《Ann.Statist.341653-1677》·Zbl 1246.62082号 ·doi:10.1214/0090536000000542
[9] Cavalier，L.、Golubev，G.K.、Picard，D.和Tsybakov，A.B.（2002年）。Oracle反问题不等式。，《统计年鉴》30，843-874·Zbl 1029.62032号 ·doi:10.1214/aos/1028674843
[10] Cavalier，L.和Tsybakov，A.（2002年）。随机噪声反问题的精确自适应，Probab。理论相关领域123，323-354·Zbl 1039.62031号 ·doi:10.1007/s004400100169
[11] Chen，S.、Donoho，D.L.和Saunders，M.A.（1999年）。通过基本追踪进行原子分解。，SIAM J.Scientit.计算.20，33-61·Zbl 0919.94002号 ·doi:10.1137/S1064827596304010
[12] Dai，D.，Rigolette，P.和Zhang，T.（2012）使用贪婪Q聚集的偏差最优学习。，《统计年鉴》，1878-1905年·Zbl 1257.62037号 ·doi:10.1214/12-AOS1025
[13] Dai，D.，Rigolette，P.，Xia，L.和Zhang，T.（2014）仿射估计的聚合。，选举人。《统计学杂志》，第8期，第302-327页·Zbl 1348.62132号 ·doi:10.1214/14-EJS886
[14] Dalalyan，A.和Salmon，J.（2012）仿射估计集合的Sharp oracle不等式。，《统计年鉴》40，2327-2355·Zbl 1257.62038号 ·doi:10.1214/12-AOS1038
[15] Donoho，D.L.（1995）。线性反问题的小波-小波分解非线性解。，申请。计算。哈蒙。分析2，101-126·Zbl 0826.65117号 ·doi:10.1006/acha.1995.1008
[16] Donoho，D.L.和Elad，M.（2003）。通过（l_1）最小化在一般（非正交）字典中的最优稀疏表示。，PNAS1002197-2202·兹比尔1064.94011 ·doi:10.1073/pnas.0437847100
[17] Donoho，D.L.和Johnstone，I.M.（1994年）。通过小波收缩实现理想的空间自适应。，生物特征81，425-455·Zbl 0815.62019号 ·doi:10.1093/biomet/81.3.425
[18] Foster，D.P.和George，E.I.（1994）多元回归的风险通货膨胀标准。，《统计年鉴》，第22期，1947-1975年·Zbl 0829.62066号 ·doi:10.1214/aos/1176325766
[19] Johnstone，I.M.、Kerkyacharian，G.、Picard，D.和Raimondo，M.（2004）周期设置中的小波分解。，J.R.统计。Soc.B66547-573（讨论）·Zbl 1046.62039号 ·文件编号：10.1111/j.1467-9868.2004.02056.x
[20] Johnstone，I.M.和Silverman，B.W.（1990）正电子发射断层成像和相关反问题中的估计速度。，Ann.Statist.18251-280·Zbl 0699.62043号 ·doi:10.1214/aos/1176347500
[21] Kalifa，J.和Mallat，S.（2003）线性反问题和反褶积的阈值估计。，《统计年鉴》31，58-109·Zbl 1102.62318号 ·doi:10.1214/aos/1046294458
[22] Leung，G.和Barron，A.R.（2006）信息理论和混合最小二乘回归。，IEEE传输。Inf.Theory52，3396-3410·Zbl 1309.94051号 ·doi:10.1109/TIT.2006.878172
[23] Mallat，S.和Zhang，Z.（1993年）。用时频字典匹配追踪。，IEEE传输。《信号程序》41，3397-3415·Zbl 0842.94004号 ·数字对象标识代码：10.1109/78.258082
[24] Pensky，M.（2016）使用过完备字典解决线性不适定问题。，《统计年鉴》第44卷，1739-1754年·Zbl 1346.62061号 ·doi:10.1214/16-AOS145
[25] Rigollet，P.和Tsybakov，A.（2011）稀疏估计的指数筛选和最佳速率。，《统计年鉴》39，731-771·Zbl 1215.62043号 ·doi:10.1214/10-AOS854
[26] Rigollet，P.和Tsybakov，A.（2012）指数加权稀疏估计。，统计师。科学27558-575·兹比尔1331.62351 ·doi:10.1214/12-STS393
[27] Verzelen，N.（2012年）。稀疏回归的最小最大风险：超高维现象。，选举人。《统计学杂志》，第6期，第38-90页·Zbl 1334.62120号 ·doi:10.1214/12-EJS666
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。