发表机构
LTCI, Telecom Paris IP; Tel-Aviv University（电信巴黎学院IP; 特拉维夫大学）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本文研究带量化参数边信息的参数估计问题，给出其极小极大风险的上下界，该上下界在大量观测样本和量化级数下具有相似衰减速率。
AI 中文摘要
本文针对参数估计问题给出了极小极大风险的上下界，其中估计器不仅观测独立同分布的观测值，还观测参数的量化版本；量化受量化级数限制，但其他方面可优化。对于大量观测样本和量化级数，本文的上下界具有相似的衰减速率。
英文摘要
This paper presents upper and lower bounds on the minimax risk of a parameter estimation problem where the estimator not only observes independent and identically distributed observations but also a quantized version of the parameter, where the quantization has a limitation on the number of levels, but can be optimized otherwise. Our upper and lower bounds have similar decay rates for large number of observation samples and quantization levels.
Comments5 pages, conference paper
DOI：10.1109/ISIT62367.2026.11653704
