Reconstructing a Noisy Markov Chain Using Near-Neighbor Rules
利用近邻规则重建含噪马尔可夫链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：摘要讨论一般随机过程的状态重建，未说明宏观时间序列或其他所列经济金融应用。
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
利用近邻规则重建含噪马尔可夫链
- 研究问题
- 当平稳二状态马尔可夫链只能通过含误差的观测序列被看到时，如何利用相邻观测重建潜在状态并选择重建规则？
- 方法与思路
- 作者在马尔可夫链与误差序列的简化参数化下研究一类近邻规则，并对未知参数提出估计及渐近性质分析。
- 材料陈述的贡献
- 摘要称，文章能够计算大样本下选中所考察近邻规则中最佳规则的概率，但未给出具体规则或概率数值。
- 阅读关注点
- 应核对误差序列与潜在链的关系、近邻窗口和最优性标准，以及参数估计误差如何影响规则选择与重建性能。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；结论限于所考察的参数化与规则类别，不能推断一般状态重建的全局最优性。
原文摘要
An observer desires to record a realization of a stationary two-state Markov chain X, but experimental conditions are such that he instead sees a realization of an error sequence Y. The objective is to reconstruct X. For a simple parameterization of both the Markov chain and the error sequence, a class of near-neighbor reconstruction rules is proposed and investigated. When the values of the parameters are unspecified, estimates are suggested and their asymptotic properties investigated. We are then able to calculate the large sample probability of using the best of the near-neighbor rules under consideration.