克劳迪娅·斯特劳赫;安东·蒂普纳 基于多个局部测量的随机对流扩散方程中的非参数速度估计。 arXiv公司：2402.08353 预印本，arXiv:2402.08353[math.ST]（2024）。MSC公司：60小时15分 62克05 62G08号 BibTeX公司 引用 \textit{C.Strauch}和\textit{A.Tiepner}，“基于多个局部测量的随机对流扩散方程中的非参数速度估计”，Preprint，arXiv:2402.08353[math.ST]（2024） 全文： arXiv公司 OA许可证
娜塔莉亚·斯特帕诺娃;玛丽·图西科娃 稀疏非参数模型中的精确变量选择。 arXiv:2310.07677 预印本，arXiv:2310.07677[math.ST]（2023）。MSC公司：62G08号 62甲12 6220国集团 BibTeX公司 引用 \textit{N.Stepanova}和\textit{M.Turcicova}，“稀疏非参数模型中的精确变量选择”，预打印，arXiv:2310.07677[math.ST]（2023） 全文： arXiv公司 OA许可证
Naslidnyk，玛莎;神奈川，元野部;托尼·卡沃宁;马伦·马塞雷西 比较高斯过程插值和布朗运动先验的尺度参数估计：留一交叉验证和最大似然。 arXiv公司：2307.07466 预印本，arXiv:2307.07466[math.ST]（2023）。MSC公司：60G15年 62克05 62G08号 BibTeX公司 引用 \textit{M.Naslidnyk}等人，“比较高斯过程插值的尺度参数估计值与布朗运动先验：Leave-One-Out交叉验证和最大似然”，预印本，arXiv:2307.07466[math.ST]（2023） 全文： arXiv公司 OA许可证
大卫·巴雷拉 非参数回归的置信区间。 arXiv:2203.10643号 预印本，arXiv:2203.10643[math.ST]（2022）。MSC公司：62克05 62G08号 62C99个 BibTeX公司 引用 \textit{D.Barrera}，“非参数回归的置信区间”，预打印，arXiv:2203.10643[math.ST]（2022） 全文： arXiv公司 OA许可证
沈国浩;焦玉玲;林媛媛;黄、健 基于深度神经网络的稳健非参数回归。 arXiv公司：2107.10343 预印本，arXiv:2107.10343[math.ST]（2021）。MSC公司：62克05 62G08号 68T07型 BibTeX公司 引用 \textit{G.Shen}等人，“基于深度神经网络的稳健非参数回归”，预印本，arXiv:2107.10343[math.ST]（2021） 全文： arXiv公司 OA许可证
沈国浩;焦玉玲;林媛媛;乔尔·霍洛维茨。;黄、健 深度分位数回归：通过组合缓解维度的诅咒。 arXiv公司：2107.04907 预印本，arXiv:2107.04907[math.ST]（2021）。MSC公司：62克05 62G08号 68T07型 BibTeX公司 引用 \textit{G.Shen}等人，“深度分位数回归：通过合成缓解维度诅咒”，预印本，arXiv:2107.04907[math.ST]（2021） 全文： arXiv公司 OA许可证
乌尔迪亚·阿尔库恩;Jean-Yves布鲁;塞尔盖·佩加门什基科夫 自回归大数据模型的自适应高效稳健序列分析。 arXiv公司：2104.08018 预印本，arXiv:2104.08018[math.ST]（2021）。MSC公司：62G08号 62克05 BibTeX公司 引用 \textit{O.Arkoun}等人，“自回归大数据模型的自适应高效稳健序列分析”，Preprint，arXiv:2104.08018[math.ST]（2021） 全文： arXiv公司 OA许可证
比勒尔·布塞尔米;Jean-François Dupuy;阿卜杜拉泽克·卡鲁伊 非参数回归的基于核的再现方案。 arXiv:20011.1213 预印本，arXiv:2001.11213[math.ST]（2020）。MSC公司：62G08号 62克05 62M15型 62J02型 BibTeX公司 引用 \textit{B.Bousselmi}等人，“为非参数回归生成基于核的方案”，预打印，arXiv:20011.1213[math.ST]（2020） 全文： arXiv公司 OA许可证
托马斯·德沙特 具有带宽选择过程的双随机泊松过程强度的局部多项式估计。 arXiv:1811.11614年 预印本，arXiv:1811.11614[math.ST]（2018）。MSC公司：60G55型 60英尺75英寸 62克05 62G08号 62M86型 62P05号 BibTeX公司 引用 \textit{T.Deschatre}，“带带宽选择过程的双随机泊松过程强度的局部多项式估计”，Preprint，arXiv:1811.11614[math.ST]（2018） 全文： arXiv公司 OA许可证
穆利纳斯·班纳吉;塞西尔·杜洛特 消除超效率的诅咒：同调回归中分布式计算的有效策略。 arXiv:1806.08542 预印本，arXiv:1806.08542[math.ST]（2018）。MSC公司：62克05 6220国集团 62G08号 62E20型 BibTeX公司 引用 \textit{M.Banerjee}和\textit{C.Durot}，“消除超效率的诅咒：等渗回归中分布式计算的有效策略”，预打印，arXiv:1806.08542[math.ST]（2018） 全文： arXiv公司 OA许可证
里达·本哈多 分数高斯噪声同时盲反褶积的Minimax自适应小波估计器。 arXiv:1806.00558 预印本，arXiv:1806.00558[math.ST]（2018）。MSC公司：62克05 6220国集团 62G08号 BibTeX公司 引用 \textit{R.Benhaddou}，“分数高斯噪声同时盲反褶积的Minimax自适应小波估计器”，Preprint，arXiv:1806.00558[math.ST]（2018） 全文： arXiv公司 OA许可证
里达·本哈多 具有长记忆相关误差的各向异性泛函傅里叶反褶积：极大极小研究。 arXiv:1709.07022 预印本，arXiv:1709.07022[math.ST]（2017）。MSC公司：62克05 6220国集团 62G08号 BibTeX公司 引用 \textit{R.Benhaddou}，“具有长记忆相关误差的各向异性泛函傅里叶反褶积：一项极大极小研究”，Preprint，arXiv:1709.07022[math.ST]（2017） 全文： arXiv公司 OA许可证
杨伟民;文森特·里沃拉德;朱迪思·卢梭 自适应超矩范数后验收缩：小波尖峰和板以及各向异性贝索夫空间。 arXiv:1708.01909 预印本，arXiv:1708.01909[math.ST]（2017）。MSC公司：62G08号 62克05 62G10型 6220国集团 BibTeX公司 引用 \textit{W.W.Yoo}等人，“自适应上极模后收缩：小波尖峰和板以及各向异性Besov空间”，预印本，arXiv:1708.01909[math.ST]（2017） 全文： arXiv公司 OA许可证
里达·本哈多 存在间接长记忆数据时的拉普拉斯反褶积。 arXiv公司：1706.08648 预印本，arXiv:1706.08648[math.ST]（2017）。MSC公司：62克05 6220国集团 62G08号 BibTeX公司 引用 \textit｛R.Benhaddou｝，“存在间接长记忆数据的拉普拉斯反褶积”，预印本，arXiv:170608648[math.ST]（2017） 全文： arXiv公司 OA许可证
戴晓武;简，彼得 带导数的泛函ANOVA模型中的Minimax最优估计率。 arXiv:1706.00850 预印本，arXiv:1706.00850[math.ST]（2017）。MSC公司：62G08号 62甲12 62克05 62第20页 BibTeX公司 引用 \textit{X.Dai}和\textit{P.Chien}，“带导数的泛函方差分析模型中的最小最大最优估计率”，预印本，arXiv:1706.00850[math.ST]（2017） 全文： arXiv公司 OA许可证
Pawe J.Szabłowski。 从随机数据中提取信息。大数定律在技术科学和统计学中的应用。 arXiv:1611.03395 预印本，arXiv:1611.03395[math.PR]（2016）。MSC公司：40G99型 42C05型 60F99型 62升15 62L20型 62G07年 62G08号 BibTeX公司 引用 \textit｛P.J.Szabłowski｝，“从随机数据中提取信息。《大数定律在技术科学和统计学中的应用》，预印本，arXiv:1611.03395[math.PR]（2016） 全文： arXiv公司 OA许可证
简·克里斯蒂安·休特;菲利普·里戈莱特 总变化去噪的最佳速率。 arXiv:1603.09388 预印本，arXiv:1603.09388[math.ST]（2016）。MSC公司：62G08号 62C20个 62克05 62华氏35 BibTeX公司 引用 \textit{J.-C.Hütter}和\textit{P.Rigollet}，“总变差去噪的最佳速率”，预打印，arXiv:1603.09388[math.ST]（2016） 全文： arXiv公司 OA许可证
马丁·沃尔 基于投影范数的高维可加模型中的变量选择。 arXiv:1406.0052 预印本，arXiv:1406.0052[math.ST]（2014）。MSC公司：62克05 62G08号 94甲12 BibTeX公司 引用 \textit{M.Wahl}，“基于投影范数的高维可加模型中的变量选择”，Preprint，arXiv:1406.0052[math.ST]（2014） 全文： arXiv公司 OA许可证
Kleijn，B.J.K。;赵Y.Y。 后部一致性标准。 arXiv公司：1308.1263 预印本，arXiv:1308.1263[math.ST]（2013）。MSC公司：62克05 62G07年 62G08号 6220国集团 BibTeX公司 引用 \textit{B.J.K.Kleijn}和\textit{Y.Zhao}，“后验一致性标准”，预印本，arXiv:1308.1263[math.ST]（2013） 全文： arXiv公司 OA许可证
科莱特·杰罗姆 使用秩和子抽样估计中等维度的依赖性。 arXiv公司：1311.1687 预印本，arXiv:1311.1687[math.ST]（2013）。MSC公司：62G07年 62G09号 62G08号 62G30型 BibTeX公司 引用 \textit{C.Jéróme}，“使用秩和亚抽样估计中等维度的依赖性”，Preprint，arXiv:1311.1687[math.ST]（2013） 全文： arXiv公司 OA许可证
诺拉·谢尔久科娃 回归中的自适应估计和随机场近似的复杂性。 arXiv:1208.2929 预印本，arXiv:1208.2929[math.ST]（2012）。MSC公司：62克05 62G08号 41A25型 41A63型 60G60型 BibTeX公司 引用 \textit{N.Serdyukova}，“回归中的自适应估计和随机域近似的复杂性”，Preprint，arXiv:1208.2929[math.ST]（2012） 全文： arXiv公司 OA许可证
奥列格·勒普斯基 正随机泛函的上函数。 arXiv:1202.6615 预印本，arXiv:1202.6615[math.PR]（2012）。MSC公司：60埃15 62G07年 62G08号 BibTeX公司 引用 \textit｛O.Lepski｝，“正随机泛函的上函数”，预印本，arXiv：1202.6615[math.PR]（2012） 全文： arXiv公司 OA许可证
马尔可夫，普莱门 观测范围最大似然估计。 arXiv:11111.4196 预印本，arXiv:11111.4196[math.ST]（2011）。MSC公司：62N01号 62号02 62克05 62G07年 62G08号 BibTeX公司 引用 \textit{P.Markov}，“观测范围最大似然估计”，预印本，arXiv:11111.4196[math.ST]（2011） 全文： arXiv公司 OA许可证
菲利普·里戈莱特;阿萨夫·泽维 具有协变量的非参数Bandits。 arXiv:1003.1630 预印本，arXiv:1003.1630[math.ST]（2010）。MSC公司：62G08号 62升12 62升05 62C20个 BibTeX公司 引用 \textit｛P.Rigollet｝和\textit｛A.Zeevi｝，“具有协变量的非参数Bandits”，预印本，arXiv:1003.1630[math.ST]（2010） 全文： arXiv公司 OA许可证
克里斯托弗·基诺维塞;金佳顺;拉里·瓦瑟曼 重温边际回归。 arXiv:0911.4080 预印本，arXiv:0911.4080[math.ST]（2009）。MSC公司：62G08号 6220国集团 62甲12 BibTeX公司 引用 \textit{C.Genovese}等人，“重新审视边际回归”，预印本，arXiv:0911.4080[math.ST]（2009） 全文： arXiv公司 OA许可证
埃里克·卡特 技术报告：四种不同模型的单调最小二乘估计的适应性和最佳性。 arXiv:0805.1855 预印本，arXiv:0805.1855[math.ST]（2008）。MSC公司：62G07年 62G08号 BibTeX公司 引用 \textit{E.Cator}，“技术报告：四种不同模型单调最小二乘估计的适应性和最佳性”，Preprint，arXiv:0805.1855[math.ST]（2008） 全文： arXiv公司 OA许可证
盖法斯，S。;Lecué，G。 回归中受惩罚的经验风险最小化者的聚合。 arXiv:0810.5288 预印本，arXiv:0810.5288[math.ST]（2008）。MSC公司：62G08号 62甲12 BibTeX公司 引用 \textit｛S.Gaïffas｝和\textit｛G.Lecué｝，“回归中受惩罚的经验风险最小化者的集合”，预印本，arXiv:081.5288[math.ST]（2008） 全文： arXiv公司 OA许可证
列奥尼德·加尔乔克;塞尔盖·佩加门什奇科夫 异方差回归模型中的自适应非参数估计。第1部分：尖锐的非渐近Oracle不等式。 arXiv公司：0804.1716 预印本，arXiv:0804.1716[math.ST]（2008）。MSC公司：62G08号 62克05 6220国集团 BibTeX公司 引用 \textit{L.Galtchouk}和\textit{S.Pergamenschikov}，“异方差回归模型中的自适应非参数估计。第1部分：尖锐的非渐近Oracle不等式“，Preprint，arXiv:0804.1716[math.ST]（2008） 全文： arXiv公司 OA许可证
彼得·比克尔。;李波 未知流形上的局部多项式回归。 arXiv:0708.0983 预印本，arXiv:0708.0983[math.ST]（2007）。MSC公司：62G08号 62甲12 6220国集团 BibTeX公司 引用 \textit{P.J.Bickel}和\textit{B.Li}，“未知流形上的局部多项式回归”，预印本，arXiv:0708.0983[math.ST]（2007） 全文： 内政部 arXiv公司
贾扬塔·库马尔（Jayanta Kumar）;迈克尔·伍德洛夫;玛丽·迈耶 估计Polya频率函数_2。 arXiv:0708.1064 预印本，arXiv:0708.1064[math.ST]（2007）。MSC公司：62G07年 62G08号 90C25型 BibTeX公司 引用 \textit{J.K.Pal}等人，“估算Polya频率函数_2”，预印本，arXiv:0708.1064[math.ST]（2007） 全文： 内政部 arXiv公司
尼科尔·克莱默 提升功能数据。 arXiv:数学/0605751 预印本，arXiv:math/0605751[math.ST]（2006）。MSC公司：62克05 62M20型 62G08号 BibTeX公司 引用 \textit{N.Kraemer}，“函数数据的提升”，预打印，arXiv:math/0605751[math.ST]（2006） 全文： arXiv公司
盖法斯，斯特凡·盖法斯 退化随机设计下的逐点自适应曲线估计。 arXiv:数学/0503715 预印本，arXiv:math/0503715[math.ST]（2005）。MSC公司：62克05 62G08号 BibTeX公司 引用 \textit{S.Gaiffas}，“关于退化随机设计的逐点自适应曲线估计”，Preprint，arXiv:math/0503715[math.ST]（2005） 全文： arXiv公司
法比安·孔特;玛丽·卢斯·陶平 变量误差模型中回归函数的非参数估计。 arXiv:数学/0511111 预印本，arXiv:math/0511111[math.ST]（2005）。MSC公司：62G08号 62G07年 62克05 6220国集团 BibTeX公司 引用 \textit{F.Comte}和\textit{M.-L.Taupin}，“变量误差模型中回归函数的非参数估计”，预印本，arXiv:math/0511111[math.ST]（2005） 全文： arXiv公司
托马斯·威勒 使用随机模糊函数在白噪声中进行反卷积。 arXiv:数学/0505142 预印本，arXiv:math/0505142[math.ST]（2005）。MSC公司：62克05 62G08号 6220国集团 BibTeX公司 引用 \textit{T.Willer}，“带随机模糊函数的白噪声反卷积”，预打印，arXiv:math/0505142[math.ST]（2005） 全文： arXiv公司
盖法斯，斯特凡·盖法斯 退化设计下逐点曲线估计的收敛速度。 arXiv:数学/0410354 预印本，arXiv:math/0410354[math.ST]（2004）。MSC公司：62克05 62G08号 BibTeX公司 引用 \textit{S.Gaiffas}，“退化设计下逐点曲线估计的收敛速度”，Preprint，arXiv:math/0410354[math.ST]（2004） 全文： arXiv公司
布尼亚，佛罗伦萨;亚历山大·茨巴科夫;马滕·威坎普 回归学习的聚合。 arXiv:数学/0410214 预印本，arXiv:math/0410214[math.ST]（2004）。MSC公司：62G08号 62C20个 62克05 6220国集团 BibTeX公司 引用 \textit{F.Bunea}等人，“回归学习的聚合”，预印本，arXiv:math/0410214[math.ST]（2004） 全文： arXiv公司