Change acceleration and detection
变化的加速与检测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：摘要直接研究序贯变点检测及其发生机制，对应结构变化方向，但未提供宏观经济应用。
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
变化的加速与检测
- 研究问题
- 当实时选择的处理既影响变化前后的观测分布，又影响变化发生时间时，如何在限制误报概率的同时加速并检测变化？
- 方法与思路
- 作者联合选择处理分配和停止规则，在一般马尔可夫变点模型下求最优解，并提出计算较少且可用于非马尔可夫模型的程序。
- 材料陈述的贡献
- 摘要称，替代程序对一大类变点模型达到渐近最优表现，模拟中其表现也在所考察误报概率范围内接近最优方案。
- 阅读关注点
- 应核对处理如何改变变点机制、误报约束和目标函数、最优解依赖的信息条件，以及渐近最优所覆盖的模型类别。
- 阅读边界
- 仅依据版本未注明的OpenAlex索引摘要；具体模型、渐近尺度和模拟设置未说明，不能把最优性推广到任意处理或变点机制。
原文摘要
A novel sequential change detection problem is proposed, in which the goal is to not only detect but also accelerate the change. Specifically, it is assumed that the sequentially collected observations are responses to treatments selected in real time. The assigned treatments determine the pre-change and post-change distributions of the responses and also influence when the change happens. The goal is to find a treatment assignment rule and a stopping rule that minimize the expected total number of observations subject to a user-specified bound on the false alarm probability. The optimal solution is obtained under a general Markovian change-point model. Moreover, an alternative procedure is proposed, whose applicability is not restricted to Markovian change-point models and whose design requires minimal computation. For a large class of change-point models, the proposed procedure is shown to achieve the optimal performance in an asymptotic sense. Finally, its performance is found in simulation studies to be comparable to the optimal, uniformly with respect to the error probability.