Hankel low-rank approximation and completion in time series analysis and forecasting: a brief review
时间序列分析与预测中的 Hankel 低秩逼近和补全综述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：摘要明确以时间序列分析和预测中的 Hankel 低秩方法为综述重点。
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
时间序列分析与预测中的 Hankel 低秩逼近和补全综述
- 研究问题
- Hankel 低秩逼近与补全如何用于时间序列分析和预测，相关问题有哪些表述方式，获得全局最优解又面临什么困难？
- 方法与思路
- 作者综述并汇集相关文献，介绍问题的不同数学表述，讨论相关主题与全局优化挑战，提供关键定理和说明性示例。
- 材料陈述的贡献
- 摘要明确贡献是面向时间序列分析与预测的综述、文献整理和教学性展示，未声称提出新的估计方法或预测性能改进。
- 阅读关注点
- 读全文时应核对不同问题表述之间的关系、关键定理的条件、逼近与补全的区别，以及示例如何连接实际预测任务。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未给出定理细节、综述覆盖范围或预测性能比较。
原文摘要
In this paper we offer a review and bibliography of work on Hankel low-rank approximation and completion, with particular emphasis on how this methodology can be used for time series analysis and forecasting. We begin by describing possible formulations of the problem and offer commentary on related topics and challenges in obtaining globally optimal solutions. Key theorems are provided, and the paper closes with some expository examples.