Asymptotically optimal parameter estimation under communication constraints
通信约束下渐近最优的参数估计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：摘要研究传感器通信约束下的一般随机过程估计，未涉及金融高频数据，连续半鞅本身不足以支持该分类。
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
通信约束下渐近最优的参数估计
- 研究问题
- 分散传感器仅能发送有限信息时，能否以很低的通信频率估计连续半鞅漂移中的共同参数，同时保留充分观测的效率？
- 方法与思路
- 作者让各传感器在其局部信息决定的停止时刻发送一比特消息，构造共同参数估计，并研究独立布朗运动的离散采样情形。
- 材料陈述的贡献
- 摘要称，估计量具有一致性，且对一大类过程在渐近低通信率下达到与充分观测最优估计量相匹配的渐近分布。
- 阅读关注点
- 应核对停止时刻和消息编码、通信率的渐近定义，以及适用过程类别、充分观测比较基准和离散采样带来的限制。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；通信率条件和过程类别未说明，连续过程与离散采样结果不能直接推广到任意传感数据。
原文摘要
A parameter estimation problem is considered, in which dispersed sensors transmit to the statistician partial information regarding their observations. The sensors observe the paths of continuous semimartingales, whose drifts are linear with respect to a common parameter. A novel estimating scheme is suggested, according to which each sensor transmits only one-bit messages at stopping times of its local filtration. The proposed estimator is shown to be consistent and, for a large class of processes, asymptotically optimal, in the sense that its asymptotic distribution is the same as the exact distribution of the optimal estimator that has full access to the sensor observations. These properties are established under an asymptotically low rate of communication between the sensors and the statistician. Thus, despite being asymptotically efficient, the proposed estimator requires minimal transmission activity, which is a desirable property in many applications. Finally, the case of discrete sampling at the sensors is studied when their underlying processes are independent Brownian motions.