Change Point Detection for Functional Autoregressive Processes on the Sphere
球面函数自回归过程的变点检测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。
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：摘要聚焦函数自回归过程的变点检测与结构突变识别，属时间序列与结构变化方向；球面时空随机场设定与所选细分仅有部分对应，故仅选最直接的两项。
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…
球面函数自回归过程的变点检测
- 研究问题
- 如何在球面上的时空随机场中识别结构突变，即对球面函数自回归（SPHAR）过程进行变点检测，且无需事先知道变点的数量与位置。
- 方法与思路
- 作者提出在调和域（harmonic domain）中进行带惩罚的动态规划，构造 LASSO 正则化估计量，并称该估计量在未知变点数量与位置的情况下仍给出非渐近理论保证。
- 材料陈述的贡献
- 摘要称该框架为球面非平稳现象分析提供了新工具，适用于气候科学、宇宙学等领域的时空随机场结构突变识别。
- 阅读关注点
- 应核对 SPHAR 模型的具体设定与识别条件、调和域表示与惩罚动态规划的实现细节、非渐近保证所依赖的假设与适用参数范围，以及数值实验或实证示例是否支持摘要所述。
- 阅读边界
- 仅依据摘要，无法判断估计量的一致性速率、调参方式、计算可行性及实际表现；摘要未说明具体假设、证明结构与实证结果。该文为 arXiv 预印本，未经同行评审验证，不能据此声称已被期刊接收。
原文摘要
We introduce a novel framework for change point detection in spherical functional autoregressive (SPHAR) processes, enabling the identification of structural breaks in spatio-temporal random fields on the sphere. Our LASSO-regularized estimator, based on penalized dynamic programming in the harmonic domain, operates without knowledge of the number or locations of change points and offers non-asymptotic theoretical guarantees. This approach provides a new tool for analyzing nonstationary phenomena on the sphere, relevant to climate science, cosmology, and beyond.