A test of weak separability for multi-way functional data, with application to brain connectivity studies
多维函数型数据弱可分性的检验及其脑连接研究应用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：摘要涉及函数型数据的空间时间分解与神经科学应用，不能据此归入宏观或金融因子模型。
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
多维函数型数据弱可分性的检验及其脑连接研究应用
- 研究问题
- 对于由两个或多个索引描述的函数型数据，如何判断信号能否支持空间与时间成分分解，并检验相应的弱可分结构？
- 方法与思路
- 作者引入弱可分性概念，分析其与强可分协方差及张量方法的联系，并构造零假设下具有卡方型混合渐近分布的检验。
- 材料陈述的贡献
- 摘要称弱可分结构为信号分解提供依据，并提出正式检验；方法用于运动任务期间脑磁信号所反映的脑功能连接研究。
- 阅读关注点
- 应核对弱可分性的精确定义、其与强可分性的逻辑关系，以及检验统计量、混合分布参数和函数展开截断的处理方式。
- 阅读边界
- 仅据版本未注明的索引摘要，不能推断刊本变化；摘要未说明检验成立的条件、混合分布的计算方法或脑连接应用的具体结果。
原文摘要
This paper concerns the modelling of multi-way functional data where double or multiple indices are involved. We introduce a concept of weak separability. The weakly separable structure supports the use of factorization methods that decompose the signal into its spatial and temporal components. The analysis reveals interesting connections to the usual strongly separable covariance structure, and provides insights into tensor methods for multi-way functional data. We propose a formal test for the weak separability hypothesis, where the asymptotic null distribution of the test statistic is a chi-squared-type mixture. The method is applied to study brain functional connectivity derived from source localized magnetoencephalography signals during motor tasks.