On Linear Intensity Models for Mixed Doubly Stochastic Poisson and Self-Exciting Point Processes
混合双随机泊松与自激点过程的线性强度模型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：摘要中的因果关系属于随机过程强度建模，未提供微观因果识别或其他所列细分方向的充分依据。
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
混合双随机泊松与自激点过程的线性强度模型
- 研究问题
- 如何用灵活的参数化强度过程表示点过程与另一随机过程之间的因果关系，并完成模型估计与模型选择？
- 方法与思路
- 作者引入一族强度过程的参数模型，题名指向双随机泊松与自激机制的混合，并讨论最大似然计算算法和模型选择程序。
- 材料陈述的贡献
- 摘要明确提出用于表示过程间因果关系的灵活强度模型族，并讨论似然计算与选择方法；未陈述具体理论保证或实证结果。
- 阅读关注点
- 应核对外部随机过程与自激项如何进入强度、参数约束和似然计算，以及文中因果关系的含义及其解释条件。
- 阅读边界
- 仅据所给 Crossref 短摘要；没有足够信息判断因果识别、模型稳定性或估计算法表现，不能将过程因果表述视为已识别的干预效应。
原文摘要
Summary A flexible family of parametric models for intensity processes is introduced to represent a causal relationship between a point process and another stochastic process. Algorithms for the maximum likelihood computation and the procedure of model selection are discussed.