A sequential smoothing algorithm with linear computational cost
具有线性计算成本的序贯平滑算法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：摘要涉及通用序贯粒子平滑算法，但未明确给出时间序列模型或宏观预测任务，暂不细分。
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
具有线性计算成本的序贯平滑算法
- 研究问题
- 如何构造计算成本随粒子数线性增长的粒子平滑器，同时缓解现有算法的退化问题，并改善给定计算成本下的效率？
- 方法与思路
- 作者提出新的粒子平滑算法，讨论其线性计算复杂度及退化问题，并通过模拟和运动成绩数据与现有平滑器比较。
- 材料陈述的贡献
- 摘要称新方法在实际计算预算下获得明显效率提升，且在模拟与数据应用中优于同样具有线性成本的简单滤波平滑器。
- 阅读关注点
- 应核对算法步骤、复杂度针对单步还是完整序列、所缓解的退化类型，以及效率指标、比较预算和模拟模型的设置。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。比较成本中的 O(N2) 排版需查原 PDF；摘要未给出模型条件或效率数值。
原文摘要
In this paper we propose a new particle smoother that has a computational complexity of O(N), where N is the number of particles. This compares favourably with the O(N2) computational cost of most smoothers. The new method also overcomes some degeneracy problems in existing algorithms. Through simulation studies we show that substantial gains in efficiency are obtained for practical amounts of computational cost. It is shown both through these simulation studies, and by the analysis of an athletics dataset, that our new method also substantially outperforms the simple filter-smoother, the only other smoother with computational cost that is O(N).