Multi-parameter automodels and their applications
多参数自模型及其应用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：摘要研究格点马尔可夫随机场，未明确涉及经济网络或处理干扰，故不据空间关联归类。
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
多参数自模型及其应用
- 研究问题
- 如何将格点上非高斯或正相关数据的自模型推广至多参数指数族，并刻画马尔可夫随机场条件分布与参数估计。
- 方法与思路
- 作者建立 Besag 一维结果的多参数对应形式，给出条件指数族的必要形式，采用最大伪似然估计并论证其一致性。
- 材料陈述的贡献
- 摘要称提供了条件分布结构结果与估计一致性证明，以具有 beta 条件分布的协作系统为例，并提出混合状态空间数据的未来应用。
- 阅读关注点
- 应核对条件分布相容性与联合模型存在的要求、伪似然一致性的条件，以及 beta 协作系统实例与未来应用之间的区别。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；模型存在条件与渐近框架未说明，混合状态空间数据应用仅被列为未来方向。
原文摘要
Motivated by the modelling of non-Gaussian data or positively correlated data on a lattice, extensions of Besag's automodels to exponential families with multi-dimensional parameters have been proposed recently. We provide a multiple-parameter analogue of Besag's one-dimensional result that gives the necessary form of the exponential families for the Markov random field's conditional distributions. We propose estimation of parameters by maximum pseudolikelihood and give a proof of the consistency of the estimators for the multi-parameter automodel. The methodology is illustrated with examples, in particular the building of a cooperative system with beta conditional distributions. We also indicate future applications of these models to the analysis of mixed-state spatial data.