×
达拉扬，A.S。

非对称噪声分布指数权重去噪风险界的简单证明。 （英语） Zbl 1532.62040号

J.康特姆。数学。分析。，阿曼。阿卡德。科学。 58，第6号，391-399（2023）和伊兹夫。国家。阿卡德。纳克·阿曼。，材料58，编号6，3-14（2023）。
小结：在本文中，我们考虑了估计量的聚合问题，以便对信号进行去噪。主要贡献是简短地证明了指数加权聚合满足一个尖锐的预言不等式。虽然这一结果已经为一类广泛的对称噪声分布所知，但本文中对非对称分布的扩展是新的。

MSC公司：

62J05型 线性回归；混合模型
62甲12 多元分析中的估计

关键词：

信号去噪;指数权重;PAC-贝叶斯边界
PDF格式BibTeX公司 XML格式引用
\textit{A.S.Dallalyan}，J.Contemp。数学。分析。，阿曼。阿卡德。科学。58，第6号，391--399（2023；Zbl 1532.62040）
全文： 内政部 arXiv公司

参考文献：

[1] 阿尔基尔，P。；Lounici，K.，PAC-指数权重稀疏回归估计的贝叶斯界，Electron。J.Stat.，5127-145（2011）·兹比尔1274.62463 ·doi:10.1214/11-ejs601
[2] Bellec，P.C.，仿射估计量加总的最佳界，Ann.Stat.，46，30-59（2018）·Zbl 1401.62056号 ·doi:10.1214/17-aos1540
[3] 布尼亚，F。；Tsybakov，A.B。；Wegkamp，M.H.，《高斯回归的聚合》，Ann.Stat.，351674-1697（2007）·Zbl 1209.62065号 ·doi:10.1214/00905360000001587
[4] Chernousova，E。；Yu Golubev。；Krymova，E.，指数加权有序平滑器，电子。《统计杂志》，第7期，第2395-2419页（2013年）·Zbl 1349.62129号 ·doi:10.1214/13-ejs849
[5] Dalalyan，美国。；Tsybakov，A.B.，《通过聚合进行稀疏回归学习》和Langevin Monte-Carlo，J.Compute。系统。科学。，78, 1423-1443 (2009) ·Zbl 1244.62054号 ·doi:10.1016/j.jcss.2011.12.023
[6] Dalalyan，A.S.，“多元回归中的指数权重和有利于先验的低秩”，安妮·Inst.Henri Poincaré，概率统计，56，1465-1483（2020）·Zbl 1439.62164号 ·doi:10.1214/19-aihp1010
[7] Dalalyan，A.S。；Salmon，J.，《仿射估计量聚合的夏普预言不等式》，Ann.Stat.，40，2327-2355（2012）·Zbl 1257.62038号 ·doi:10.1214/12-aos1038
[8] A.S.Dalalyan和A.B.Tsybakov，《学习理论》中的“指数加权和尖锐的预言不等式的聚合”，N.H.Bshouty和C.Gentile编辑，《计算机科学讲义》，第4539卷（柏林斯普林格出版社，2007年），第97-111页。https://doi.org/10.1007/978-3-540-72927-3_9 ·Zbl 1203.62063号
[9] Dalalyan，A.S。；Tsybakov，A.B.，《指数加权聚合，尖锐的PAC-Bayesian界限和稀疏性，马赫数》。学习。，72, 39-61 (2008) ·Zbl 1470.62054号 ·doi:10.1007/s10994-008-5051-0
[10] E.Donier-Meroz、A.S.Dalalyan、F.Kramarz、P.Chone和X.D.D‘Haultfouille’，“具有可观察边标签和不可观察节点标签的二部图中的Graphon估计”（2023）。https://doi.org/10.48550/arXiv.2304.03590
[11] George，E.I.，《组合最小最大收缩估计量》，美国统计协会，81，437-445（1986）·Zbl 0594.62061号 ·doi:10.1080/01621459.1986.10478288
[12] George，E.I.，Minimax多重收缩估算，Ann.Stat.，14，188-205（1986）·兹比尔0602.62041 ·doi:10.1214/aos/1176349849
[13] 朱迪茨基，A。；Rigollet，P。；Tsybakov，A.B.，《镜面平均学习》，《Ann.Stat.》，第36期，第2183-2206页（2008年）·Zbl 1274.62288号 ·doi:10.1214/07-aos546
[14] G.Lecu+й和Sh.Mendelson，“关于低温下指数权重骨料的最优性”，Bernoulli 19646-675（2013）。https://doi.org/10.3150/11-bej408 ·Zbl 1456.62136号
[15] 梁，G。；Barron，A.R.，《信息理论与混合最小二乘回归》，IEEE Trans。《信息论》，52，3396-3410（2006）·Zbl 1309.94051号 ·doi:10.10109/时间.2006.878172
[16] Rigollet博士。；Tsybakov，A.，稀疏估计的指数筛选和最优率，《Ann.Stat.》，39，731-771（2011）·Zbl 1215.62043号 ·doi:10.1214/10-AOS854
[17] Tsybakov，A.B.，《学习理论与核心机器》（2003），柏林：施普林格出版社，柏林·doi:10.1007/978-3-540-45167-9_23
[18] A.B.Tsybakov，《高维估计中的聚集和极小极大最优性》。国际数学家大会（汉城，2014），第225-246页·Zbl 1380.62136号
[19] Vershynin，R.，“高维概率：数据科学应用简介”，剑桥统计与概率数学系列（2018）·Zbl 1430.60005号 ·doi:10.1017/9781108231596
[20] 杨瑜。，结合不同的自适应回归程序，《多元分析杂志》。，74, 135-161 (2000) ·Zbl 0964.62032号 ·doi:10.1006/jmva.1999.1884
[21] Yang，Y.，多候选模型回归：选择或兴？，统计正弦。，13, 783-809 (2003) ·Zbl 1028.62021号
[22] 杨瑜。，聚合回归程序以提高绩效，Bernoulli，10，25-47（2004）·Zbl 1040.62030 ·doi:10.3550/bj/1077544602
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。