Hilbert 공간 기반 가법 비모수 회귀와 smooth backfitting 커널 평활

Hilbert-space additive regression and smooth backfitting kernel smoothing

연구 내용

Hilbert 공간 및 RKHS에서 가법 구조를 갖는 회귀함수를 smooth backfitting과 로컬 폴리노미얼 평활로 추정하고, 오라클 성질과 경계효과 완화 및 미분추정까지 포함하는 연구

본 연구는 Hilbert 공간 값의 응답을 갖는 가법 비모수 회귀를 대상으로 smooth backfitting 프레임을 커널 평활과 결합하여 추정 성질을 정립합니다. 로컬 폴리노미얼 평활을 통해 회귀함수와 함께 미분까지 추정하며, 경계효과를 줄이기 위한 구성도 포함합니다. 또한 부분가법/준모수 모형에서 비가법 성분을 프로파일링하여 매개 성분의 안정성과 비모수 성분의 차원 독립 수렴을 다룹니다. 고차원에서는 functional Lasso 형태의 페널티를 도입해 상호작용을 포함한 평활-역적합 추정을 확장하고, 분석적 추론 가능성을 확보하는 방향을 지향합니다.

관련 프로젝트

4건

연구 흐름

초기에는 Hilbertian response에 대해 가법 구조 회귀를 로컬 폴리노미얼 평활과 smooth backfitting으로 정식화하고, 회귀함수 및 도함수 추정과 함께 경계효과 및 오라클 성질을 갖는 추정기를 제시하는 데 집중되었습니다. 이후 2022~2023년에는 부분가법/준모수 모형에서 비가법 비모수 성분을 프로파일링하여 매개 성분의 점근적 정규성과 비모수 성분의 수렴률을 정리하는 연구로 확장되었습니다. 2024년에는 고차원 환경에서 functional Lasso 커널 평활을 도입하여 효율적인 반복 알고리즘과 debiased 추정 개념을 결합했습니다. 최근에는 상호작용 효과를 포함한 functional lasso 커널 스무딩으로 모델을 더 확장하는 흐름을 보입니다. 이 과정에서 차등정보보호를 고려한 구조 비모수 모형의 추정 프로젝트가 병행되어 추정의 강건성과 구현 가능성을 함께 다룹니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

고차원 가법 회귀 추정
Hilbert 공간 값 데이터 회귀
RKHS 기반 커널 평활
도함수 기반 기능 회귀
경계효과 완화 비모수 추론
부분가법 준모수 모델링
상호작용 포함 비모수 회귀
debiasing 기반 통계적 추론
알고리즘 반복 기반 커널 추정
차등정보보호 고려 회귀 모형