A detection analysis for temporal memory patterns at different time-scales
不同时间尺度下时间记忆模式的检测分析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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确讨论事件时间序列的依赖检测、多尺度记忆及其在经济时间序列分析中的应用。
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
不同时间尺度下时间记忆模式的检测分析
- 研究问题
- 如何利用观察者等待时延和事件间隔分布识别事件序列的记忆依赖，并在不同时间尺度上检验更新过程假设？
- 方法与思路
- 作者设计基于事件间隔分布的统计检验，通过更新过程的老化性质开展合成实验，并结合图形分析考察等待时延对依赖检测的影响。
- 材料陈述的贡献
- 摘要称提出检验和图形工具，可从超出相关性的事件概率结构中发现多尺度记忆模式，并通过老化实验评价更新假设。
- 阅读关注点
- 应核对等待时延和老化实验的定义、检验零假设与参考分布，以及不同尺度下的检验功效、误报控制和经济应用条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核实；摘要未给出检验公式、显著性控制或真实经济数据结果，应用范围尚不清楚。
原文摘要
This paper introduces a novel methodology that utilizes latency to unveil time-series dependence patterns. A customized statistical test detects memory dependence in event sequences by analyzing their inter-event time distributions. Synthetic experiments based on the renewal-aging property assess the impact of observer latency on the renewal property. Our test uncovers memory patterns across diverse time scales, emphasizing the event sequence's probability structure beyond correlations. The time series analysis produces a statistical test and graphical plots which helps to detect dependence patterns among events at different time-scales if any. Furthermore, the test evaluates the renewal assumption through aging experiments, offering valuable applications in time-series analysis within economics.