Density Estimation in a Continuous-Time Stationary Markov Process
连续时间平稳马尔可夫过程的密度估计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：摘要明确针对连续时间平稳马尔可夫过程进行密度估计，具有时间依赖过程的直接依据，因此选择时间序列方法。
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
连续时间平稳马尔可夫过程的密度估计
- 研究问题
- 对于连续时间平稳马尔可夫过程，如何递归估计其密度函数，哪些充分条件能够保证这类估计量几乎处处收敛？
- 方法与思路
- 作者研究一类递归密度估计量，并在 Rosenblatt 的 G₂ 条件下给出几乎处处收敛的充分条件，摘要未列具体构造。
- 材料陈述的贡献
- 摘要明确陈述的贡献是在指定过程条件下，为一类连续时间平稳马尔可夫过程的递归密度估计建立强一致性依据。
- 阅读关注点
- 应核对 G₂ 条件的准确含义、过程观测方式、递归更新和调节参数，以及几乎处处收敛的对象与适用密度范围。
- 阅读边界
- 仅据版本未注明的索引摘要，G₂ 条件及递归估计公式未提供，也未说明收敛速率或推断方法，不能据此补写相关结论。
原文摘要
This paper deals with a general class of recursive estimates of the density function in a continuous-time stationary Markov process. Under the condition $G_2$ of Rosenblatt sufficient conditions for almost sure convergence of such estimates are given.