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