Noise-Robust Phase Connectivity Estimation via Bayesian Circular Functional Models
基于贝叶斯圆周函数模型的抗噪声相位连接估计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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究脑电相位连接和圆周函数数据建模，未提供所列微观、宏观或金融细分方向的直接依据。
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…
基于贝叶斯圆周函数模型的抗噪声相位连接估计
- 研究问题
- 标准相位锁定值容易受观测噪声影响且缺少有限样本不确定性度量，如何同时改善相位连接估计和统计推断？
- 方法与思路
- 作者将相位序列视为圆周值函数数据，通过包裹实数域上的函数高斯模型建立贝叶斯模型，并用 Gibbs 抽样计算后验。
- 材料陈述的贡献
- 摘要称，该模型能够对相位数据去噪并对相位锁定值进行推断，通过基于真实脑电数据的模拟展示方法用途。
- 阅读关注点
- 应核对圆周包裹机制、噪声模型与先验设定，以及后验计算的收敛、相位锁定值不确定性的校准方式。
- 阅读边界
- 这是预印本，同行评审或期刊接收未核实；摘要未给出噪声条件或性能数值，基于脑电的模拟不等于实际应用验证。
原文摘要
The phase locking value (PLV) is a widely used measure to detect phase connectivity. Main drawbacks of the standard PLV are it can be sensitive to noisy observations and does not provide uncertainty measures under finite samples. To overcome the difficulty, we propose a model-based PLV through nonparametric statistical modeling. Specifically, since the discrete time series of phase can be regarded as a functional observation taking values on circle, we employ a Bayesian model for circular-variate functional data, which gives denoising and inference on the resulting PLV values. The proposed model is defined through "wrapping" functional Gaussian models on real line, for which we develop an efficient posterior computation algorithm using Gibbs sampler. The usefulness of the proposed method is demonstrated through simulation experiments based on real EEG data.