Convolution without independence
无需独立性的卷积AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论通用卷积理论与测量误差，未明确给定列表中的具体应用方向，因此保留空分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
无需独立性的卷积
- 研究问题
- 卷积与反卷积通常依赖独立性；能否用更弱的次独立性维持卷积定理，并为测量误差问题提供可操作的推广与检验？
- 方法与思路
- 作者刻画并构造次独立随机变量，扩展至多元、条件及均值次独立性，再分别基于特征函数、广义矩和随机化设计检验。
- 材料陈述的贡献
- 摘要称卷积定理在次独立性下仍成立，并提出多种刻画、构造方法和三个检验；作者认为该条件可弱至类似条件均值限制。
- 阅读关注点
- 应核对次独立性的精确定义、与独立及条件均值限制的逻辑关系，以及卷积结论能否支持目标反卷积问题的识别。
- 阅读边界
- 仅据所给出版社摘要，无法判断各种推广的具体条件及检验性质；条件较弱的评价是作者陈述，不能替代应用中的有效性核查。
原文摘要
Widely used convolution and deconvolution techniques traditionally rely on independence assumptions, often criticized as being strong. We observe that the convolution theorem actually holds under a weaker assumption, known as subindependence. We show that this notion is arguably as weak as a conditional mean assumption. We report various simple characterizations of subindependence and devise constructive methods to generate subindependent random variables. We extend subindependence to multivariate settings and propose the new concepts of conditional and mean subindependence, relevant to measurement error problems. We finally introduce three tests of subindependence based on characteristic functions, generalized method of moments and randomization, respectively.