Consistent and Asymptotically Normal Parameter Estimates for Hidden Markov Models
隐马尔可夫模型的一致且渐近正态参数估计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：摘要仅说明一般隐马尔可夫模型估计，未明确指定经济时间序列或其他所列细分方向。
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
隐马尔可夫模型的一致且渐近正态参数估计
- 研究问题
- 在隐马尔可夫模型中，能否构造最大似然估计之外的一类参数估计，使其具有一致性、渐近正态性及接近最大似然的表现？
- 方法与思路
- 作者提出一类新的隐马尔可夫模型参数估计量，并分析其一致性和渐近正态性；摘要没有交代具体构造步骤。
- 材料陈述的贡献
- 摘要称新估计类一致、渐近正态且几乎与最大似然估计一样好，但没有说明这一比较所采用的具体衡量标准。
- 阅读关注点
- 应核对新估计量的算法、模型可识别性与正则条件，并明确接近最大似然表现究竟指效率、风险还是其他指标。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明。摘要未给出状态空间、估计步骤或比较标准，不能据此判断计算优势或具体效率。
原文摘要
Hidden Markov models are today widespread for modeling of various phenomena. It has recently been shown by Leroux that the maximum-likelihood estimate (MLE) of the parameters of a such a model is consistent, and local asymptotic normality has been proved by Bickel and Ritov. In this paper we propose a new class of estimates which are consistent, asymptotically normal and almost as good as the MLE.