Parameter Estimation for Partially Observed Hypoelliptic Diffusions
部分观测亚椭圆扩散过程的参数估计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：摘要讨论通用扩散过程估计及分子动力学应用，未提供所列经济或金融细分方向的直接依据。
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…
部分观测亚椭圆扩散过程的参数估计
- 研究问题
- 当亚椭圆扩散过程只有部分分量在离散时点被观测时，如何在转移密度精确似然通常未知的情况下估计参数？
- 方法与思路
- 作者组合适用于不同参数的近似似然，并采用确定性扫描 Gibbs 采样，在未观测分量的缺失数据与参数之间交替更新。
- 材料陈述的贡献
- 摘要称该方法应对了亚椭圆性与部分观测共同造成的病态问题，模拟展示渐近一致性，并应用于分子动力学数据。
- 阅读关注点
- 应核对各参数为何需要不同近似似然、缺失路径如何更新，以及采样间隔缩小和总观测时间增长分别起什么作用。
- 阅读边界
- 仅依据所给 Crossref 摘要；数值实验展示不等于一致性证明。摘要未说明具体条件、误差界和采样收敛保障。
原文摘要
Summary Hypoelliptic diffusion processes can be used to model a variety of phenomena in applications ranging from molecular dynamics to audio signal analysis. We study parameter estimation for such processes in situations where we observe some components of the solution at discrete times. Since exact likelihoods for the transition densities are typically not known, approximations are used that are expected to work well in the limit of small intersample times Δt and large total observation times N Δt. Hypoellipticity together with partial observation leads to ill conditioning requiring a judicious combination of approximate likelihoods for the various parameters to be estimated. We combine these in a deterministic scan Gibbs sampler alternating between missing data in the unobserved solution components, and parameters. Numerical experiments illustrate asymptotic consistency of the method when applied to simulated data. The paper concludes with an application of the Gibbs sampler to molecular dynamics data.