Efficient Generalized Cross-Validation for State Space Models
状态空间模型的高效广义交叉验证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：摘要明确涉及状态空间模型、Kalman 滤波和季节时间序列的方差分量分析。
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
状态空间模型的高效广义交叉验证
- 研究问题
- 对具有状态空间表示的信号加噪声模型，如何低成本计算影响矩阵的迹，从而高效评价用于模型或平滑参数选择的广义交叉验证准则？
- 方法与思路
- 作者在普通 Kalman 滤波中增加一个方程以计算影响矩阵的迹，使广义交叉验证准则可在线性时间内评价，并扩展到含线性回归项的观测方程。
- 材料陈述的贡献
- 摘要称该方法实现广义交叉验证准则的 O(n) 计算，额外递推负担较小，应用包括回归样条平滑与季节时间序列的方差分量模型。
- 阅读关注点
- 应核对影响矩阵与新增递推方程的定义、初始状态的处理及计算复杂度口径，并查看含回归项和季节分量时如何选择待优化参数。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；模型条件与选择效果未说明，计算高效不代表预测或平滑性能必然更好，也不能推断刊本变化。
原文摘要
For a signal plus noise model with a state space representation, an efficient procedure is given for obtaining the trace of the influence matrix, where the influence matrix expresses the estimated signal vector as a linear combination of the observed data. This allows an O(n) evaluation of the generalized cross-validation criterion function. Our approach is very efficient, requiring the addition of only one equation to the ordinary Kalman filter, and extends to models with linear regressors in the observation equation. Important applications are to spline smoothing in regression and to variance components models for seasonal time series.