数学 > 统计理论
[提交于 2022年5月4日
(v1)
,最后修订 2023年8月28日 (此版本, v2)]
标题: 高维多参考对齐的估计速率
标题: Rates of estimation for high-dimensional multi-reference alignment
摘要: 我们研究了从带有噪声和圆周旋转观测中估计圆周上的周期函数的连续多参考对齐模型。 受冷冻电子显微镜中出现的类似高维问题的启发,我们建立了对于维度$K$明确的通用信号的极小极大率。 在噪声方差为$\sigma^2 \gtrsim K$的高噪声情况下,对于傅里叶系数大致均匀幅度的信号,该速率按$\sigma^6$缩放,并且不再依赖于维度。 该速率通过双谱反演过程实现,我们的分析为双谱反演提供了新的稳定性界限,这可能具有独立的兴趣。 在噪声较低的情况下,当$\sigma^2 \lesssim K/\log K$时,该速率则按$K\sigma^2$缩放,我们通过对外部旋转进行边缘化的最大似然估计器的精确分析来建立该速率。 使用 Assouad 超立方体引理得到了一个在两种情况之间插值的互补下界。 我们将这些分析也扩展到傅里叶系数具有缓慢幂律衰减的信号。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.