Optimal detection of multi-sample aligned sparse signals
多样本对齐稀疏信号的最优检测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：摘要讨论多样本序列的稀疏信号检测，没有明确时间依赖、结构突变或经济应用，归入所列细分的证据不足。
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
多样本对齐稀疏信号的最优检测
- 研究问题
- 研究多个样本中位置对齐的稀疏信号何时能够被检出，以及序列长度、信号长度与稀疏程度如何共同决定检测难度。
- 方法与思路
- 作者在合并扫描上构造带惩罚的 Berk–Jones 与 higher-criticism 检验，并使用沿临界边界平均的似然比。
- 材料陈述的贡献
- 摘要称，论文刻画可检测与不可检测的临界边界并构造达到该边界的检验，同时将多尺度和稀疏混合检验作为特例。
- 阅读关注点
- 读全文时应核对样本模型、对齐含义与信号稀疏设定，关注长度比例的增长尺度及最优检测结论对应的渐近区域。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；噪声结构、边界公式和检验校准未提供，不能直接外推至相关时间序列。
原文摘要
We describe, in the detection of multi-sample aligned sparse signals, the critical boundary separating detectable from nondetectable signals, and construct tests that achieve optimal detectability: penalized versions of the Berk–Jones and the higher-criticism test statistics evaluated over pooled scans, and an average likelihood ratio over the critical boundary. We show in our results an inter-play between the scale of the sequence length to signal length ratio, and the sparseness of the signals. In particular the difficulty of the detection problem is not noticeably affected unless this ratio grows exponentially with the number of sequences. We also recover the multiscale and sparse mixture testing problems as illustrative special cases.