On edge correction of conditional and intrinsic autoregressions
条件自回归与内蕴自回归的边界修正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：文中的自回归发生于二维空间网格，不能仅凭自回归术语归入宏观时间序列。
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
条件自回归与内蕴自回归的边界修正
- 研究问题
- 在二维有限规则网格上，如何修正条件与内蕴自回归的边界，使模型保持简单邻域结构并支持可扩展统计计算？
- 方法与思路
- 作者提出新的重参数化进行边界修正，保持精度矩阵非负定，并采用无需显式矩阵的计算方式以改善可扩展性。
- 材料陈述的贡献
- 摘要称该方法同时保留简单邻域结构与精度矩阵的非负定性，并解释高阶差分如何进入条件自回归的精度矩阵。
- 阅读关注点
- 应核对适用的自回归模型类别、边界处重参数化形式、精度矩阵奇异性的处理，以及无需显式矩阵计算的具体实现。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未给出参数限制、计算复杂度或边界修正的统计效果，不能推断刊本变化。
原文摘要
This paper discusses edge correction for a large class of conditional and intrinsic autoregressions on two-dimensional finite regular arrays. The proposed method includes a novel reparameterization, retains the simple neighbourhood structure, ensures the nonnegative definiteness of the precision matrix, and enables scalable matrix-free statistical computation. The edge correction provides new insight into how higher-order differencing enters into the precision matrix of a conditional autoregression.