Cross-covariance functions for multivariate random fields based on latent dimensions
基于潜在维度的多变量随机场交叉协方差函数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：摘要聚焦多变量时空随机场，潜在维度并不等同于所列宏观或金融因子模型，故暂不分类。
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
基于潜在维度的多变量随机场交叉协方差函数
- 研究问题
- 如何为多变量时空随机场构造有效、易解释且可计算的交叉协方差函数，并容许各分量具有不同的协方差结构？
- 方法与思路
- 作者将潜在维度与现有单变量随机场协方差模型结合，构造闭式交叉协方差族，并讨论估计、模拟及污染数据应用。
- 材料陈述的贡献
- 摘要称，所构造模型可包含非可分性、非对称性和不同平滑度；在加州三变量污染数据中表现优于所比较的模型。
- 阅读关注点
- 应核对交叉协方差有效性的保证、潜在维度与参数的可解释性，以及污染数据中比较模型与性能指标的设定。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；有效性条件、估计细节和性能指标未说明，单个应用不能支持普遍优势或刊本变化推断。
原文摘要
The problem of constructing valid parametric cross-covariance functions is challenging. We propose a simple methodology, based on latent dimensions and existing covariance models for univariate random fields, to develop flexible, interpretable and computationally feasible classes of cross-covariance functions in closed form. We focus on spatio-temporal cross-covariance functions that can be nonseparable, asymmetric and can have different covariance structures, for instance different smoothness parameters, in each component. We discuss estimation of these models and perform a small simulation study to demonstrate our approach. We illustrate our methodology on a trivariate spatio-temporal pollution dataset from California and demonstrate that our cross-covariance performs better than other competing models.