Nonlinear and non-Gaussian state-space modeling with Monte Carlo simulations
基于蒙特卡洛模拟的非线性非高斯状态空间建模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：摘要研究通用状态空间滤波、预测和平滑，未明确宏观或金融应用，不足以归入给定的专门领域细分。
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
基于蒙特卡洛模拟的非线性非高斯状态空间建模
- 研究问题
- 如何为非线性、非高斯状态空间模型构造计算可行的滤波方法，并将其扩展到预测和平滑以评价统计表现？
- 方法与思路
- 作者提出两种基于蒙特卡洛模拟的滤波器，进一步构造预测和平滑算法，并通过蒙特卡洛实验评估其统计性质。
- 材料陈述的贡献
- 摘要称两种滤波器在编程和计算要求上比所比较的数值积分、重要性抽样积分或 Gibbs 抽样滤波方法更易处理。
- 阅读关注点
- 核对两种滤波器的采样与更新步骤、计算成本如何衡量，以及模拟中精度、稳定性和比较方法的具体设置。
- 阅读边界
- 仅依据 OpenAlex 所给摘要；算法细节、适用条件和模拟数值均未说明，不能据计算便利的陈述推断普遍统计优越性。
原文摘要
We propose two nonlinear and nonnormal filters based on Monte Carlo simulation techniques. In terms of programming and computational requirements both filters are more tractable than other nonlinear filters that use numerical integration, Monte Carlo integration with importance sampling or Gibbs sampling. The proposed filters are extended to prediction and smoothing algorithms. Monte Carlo experiments are carried out to assess the statistical merits of the proposed filters.