Adaptive Frequency Band Analysis for Functional Time Series
函数型时间序列的自适应频带分析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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究非平稳函数型时间序列的频谱分析，所检测的分界明确位于频率域。
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
函数型时间序列的自适应频带分析
- 研究问题
- 对于非平稳函数型时间序列，如何依据时变功率谱自适应划分频带，使低维频域摘要能够保留序列的动态信息？
- 方法与思路
- 作者提出自适应频带估计框架，构造扫描统计量与搜索算法检测频域变化，并开发计算效率较高的实现。
- 材料陈述的贡献
- 摘要称建立了该框架的理论性质，并通过多组模拟和睁眼、闭眼条件下的脑电数据应用展示其频带分析能力。
- 阅读关注点
- 应核对频带划分的优化目标、扫描统计量的校准与搜索规则，以及频域分界和时间非平稳性在方法中的区别。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验；摘要未说明理论条件或最优性的标准，应用证据来自脑电数据。
原文摘要
The frequency-domain properties of nonstationary functional time series often contain valuable information. These properties are characterized through its time-varying power spectrum. Practitioners seeking low-dimensional summary measures of the power spectrum often partition frequencies into bands and create collapsed measures of power within bands. However, standard frequency bands have largely been developed through manual inspection of time series data and may not adequately summarize power spectra. In this article, we propose a framework for adaptive frequency band estimation of nonstationary functional time series that optimally summarizes the time-varying dynamics of the series. We develop a scan statistic and search algorithm to detect changes in the frequency domain. We establish theoretical properties of this framework and develop a computationally-efficient implementation. The validity of our method is also justified through numerous simulation studies and an application to analyzing electroencephalogram data in participants alternating between eyes open and eyes closed conditions.