Extremum Monte Carlo Filters: Signal Extraction via Simulation and Regression
极值蒙特卡洛滤波器：通过模拟与回归提取信号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：摘要研究状态空间时间序列的信号提取、实时滤波，并明确包括潜变量与观测值预测。
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…
极值蒙特卡洛滤波器：通过模拟与回归提取信号
- 研究问题
- 在一般状态空间模型中，如何利用模拟与估计提取时变条件均值、众数和分位数，并适应长序列、缺失数据或高维问题？
- 方法与思路
- 作者从模型生成模拟数据集，再通过极值估计求取目标量；方法用于实时滤波与固定区间平滑，并可提前完成大量计算。
- 材料陈述的贡献
- 摘要称，该方法可预测潜在变量或观测值，实施较直接；论文讨论滤波稳定性和收敛条件，并展示非线性及高维模型应用。
- 阅读关注点
- 核对模拟数据的生成机制、回归目标与条件信息集，关注预计算的适用范围，以及滤波、平滑和预测误差的评价方式。
- 阅读边界
- 仅据所给 OpenAlex 摘要，稳定性与收敛的具体条件、模拟成本和误差界未说明；广泛适用的陈述仍需结合模型逐项核实。
原文摘要
We introduce a novel simulation-based method for signal extraction in a general class of state space models. It can be used to estimate time-varying conditional means, modes, and quantiles, and to predict latent variables or forecast observations. The method consists of generating artificial datasets from the model and estimating the quantities of interest via extremum estimation. The approach is broadly applicable and its implementation is straightforward. The method is suited for signal extraction in cases of long time series, missing data, or high-dimensionality. Furthermore, we demonstrate its use in real-time filtering, where most of the computations can be performed in advance, and in fixed-interval smoothing. Conditions for the stability and convergence of the filtering method are discussed, and its key properties are illustrated by various applications, including nonlinear and high-dimensional models.