A New Dynamic Stochastic Approximation Procedure
一种新的动态随机逼近程序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：摘要研究一般动态随机逼近，时间变化本身不足以归入所列经济时间序列或结构变化方向。
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
一种新的动态随机逼近程序
- 研究问题
- 当回归函数及其根随时间变化，而每期只能在所选位置获得函数值的无偏估计时，如何让所选位置持续追踪当前根？
- 方法与思路
- 作者将根表示为已知时变输入经过未知函数的输出，在函数类与回归函数序列的条件下构造动态 Robbins–Monro 随机逼近。
- 材料陈述的贡献
- 摘要称，所构造序列的绝对追踪误差在一定条件下几乎必然按 Cesàro 均值趋零；更强条件下误差本身几乎必然趋零。
- 阅读关注点
- 应区分平均意义收敛与逐期收敛，核对未知函数类、根的变化限制、观测噪声条件，以及两类收敛各自需要的假设。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要解读。摘要未说明具体更新规则、条件强弱、误差速率或有限样本追踪表现。
原文摘要
This paper considers Robbins-Monro stochastic approximation when the regression function changes with time. At time $n$, one can select $X_n$ and observe an unbiased estimator of the regression function evaluated at $X_n$. Let $\theta_n$ be the root of the regression function at time $n$. Our goal is to select the sequence $X_n$ so that $X_n - \theta_n$ converges to 0. It is assumed that $\theta_n = f(s_n)$ for $s_n$ known at time $n$ and $f$ an unknown element of a class of functions. Under certain conditions on this class and on the sequence of regression functions, we obtain a random sequence $X_n$ such that $|X_n - \theta_n|$ converges to 0 in Cesaro mean with probability 1. Under more stringent conditions, $X_n - \theta_n$ converges to 0 with probability 1.