On Consistent Nonparametric Order Determination and Chaos
一致的非参数阶数确定与混沌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：摘要直接研究非线性自回归、偏自相关和时间序列阶数选择。
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…
一致的非参数阶数确定与混沌
- 研究问题
- 在有噪声的混沌研究中，如何借助未知非线性自回归模型的阶数确定嵌入维度，并为选择方法提供一致性依据？
- 方法与思路
- 作者将随机模型置于非线性自回归框架，定义广义偏自相关与阶数，再通过交叉验证估计阶数以确定嵌入维度。
- 材料陈述的贡献
- 摘要称在全局有界条件下证明一致性，为最终预测误差方法提供理论依据，并量化残差平方和估计噪声方差的偏差。
- 阅读关注点
- 应核对全局有界条件的对象、阶数与嵌入维度之间的关系、交叉验证构造，以及噪声方差估计偏差的适用条件。
- 阅读边界
- 仅据所给 Crossref 摘要；一致性的完整条件、噪声结构及示例数值未说明，不能据此判断方法能否识别确定性混沌。
原文摘要
SUMMARY We give a brief introduction to deterministic chaos and a link between chaotic deterministic models and stochastic time series models. We argue that it is often natural to determine the embedding dimension in a noisy environment first in any systematic study of chaos. Setting the stochastic models within the framework of non-linear autoregression, we introduce the notion of a generalized partial autocorrelation and an order. We approach the estimation of the embedding dimension via order determination of an unknown non-linear autoregression by cross-validation, and give justification by proving its consistency under global boundedness. As a by-product, we provide a theoretical justification of the final prediction error approach of Auestad and Tjøstheim. Some illustrations based on the Hénon map and several real data sets are given. The bias of the residual sum of squares as essentially a noise variance estimator is quantified.