Annals of the Institute of Statistical Mathematics· 2026Q2
Yüksek Boyutlu Uzmanlar Karışımında Lasso için Asimptotik Olmayan Oracle Eşitsizlikleri
Non-asymptotic oracle inequalities for the Lasso in high-dimensional mixture of experts
- 3atıf
- Q2SCImago
- 2026yıl
Kısa özet
Bu çalışma, tahminci boyutu P'nin örneklem boyutunu N'yi aştığı yüksek boyutlu softmax-gated Gauss karışımı-uzmanları (SGMoE) regresyon modelleri için Lasso tahmininde asimptotik olmayan oracle eşitsizliklerini ortaya koymaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Yüksek boyutlu SGMoE regresyonunda (P > N) Lasso için asimptotik olmayan KL oracle eşitsizlikleri ortaya koymaktadır.
- N, P, Q, K ve sınırlılık sabitlerine bağlı açık sınırlar sunmaktadır.
- Seyrek iyi belirtilmiş ve yaklaşım alanı oranları türetmekte, yaklaşım hatasını KL-riske bağlamaktadır.
- Teoriyi rastgele kovaryetlere genişletmekte ve yanlış belirtme altında yaklaşım hatasını kontrol etmektedir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Abstract We study Lasso estimation for high-dimensional softmax-gated Gaussian mixture-of-experts (SGMoE) regression models, where the predictor dimension P may exceed the sample size N . Under bounded parameters, we establish a non-asymptotic Kullback–Leibler (KL) oracle inequality with an explicit sufficient regularization level and explicit dependence on N , P , response dimension Q , number of experts K , and boundedness constants. We derive sparse well-specified and approximation-space rates, showing how deterministic SGMoE approximation error transfers into statistical KL-risk bounds. The theory extends to random covariates and, under misspecification, controls the best Gaussian SGMoE approximation in the candidate class. Reproducible experiments validate KL decay and density recovery, compare Lasso with SCAD when $$P>N$$ P > N , evaluate model-selection criteria, handle multivariate covariance structures, and assess high-dimensional biological benchmarks relevant to heterogeneous genotype–phenotype mapping, omics-to-trait prediction, and AI-enabled virtual-cell modelling in systems biology.
Yazarların özeti; kaynağından alınmıştır. Annals of the Institute of Statistical Mathematics, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: İstatistik ve Olasılık
Statistics and ProbabilityMathematics