Advances in Pattern Theory
模式理论的进展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：图和马尔可夫过程服务于图像模式理论，摘要没有经济网络、干扰或因子模型的直接依据。
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…
关注这篇论文的作者
模式理论的进展
- 研究问题
- 如何使图像模式理论的推断算法在计算上可行，并处理先验测度中高维、未必可识别且难以估计的参数？
- 方法与思路
- 作者研究图上马尔可夫过程的极限定理以形成计算近似，并通过标准化处理先验参数，再比较剩余参数估计的渐近效率。
- 材料陈述的贡献
- 摘要称极限定理提供了已用于可行推断的近似，标准化技术则允许估计剩余自由参数，并对不同估计方法作效率分析。
- 阅读关注点
- 核对图上过程的极限条件、近似误差与计算收益，以及标准化如何处理识别问题、保留哪些参数和如何比较效率。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未给出具体图像模型、标准化步骤或效率结果，不能推断其对经济网络模型有效。
原文摘要
Pattern theory offers concepts for modelling images and methods for making inferences from observed images. This will be described briefly and illustrated by examples. We shall present limit theorems for the Markov processes on graphs (that are basic to pattern theory) motivated by computational considerations. They will yield approximations that have been exploited to make the inference algorithms computationally feasible. We shall also consider the problem of estimating parameters in the prior measures encountered in pattern theory. These parameters are high dimensional, not automatically identifiable and notoriously difficult to estimate by standard methods. We therefore present a standardization technique for dealing with them and show how, after standardization, the remaining free parameters can be estimated by different methods. The estimation methods are examined in terms of their asymptotic efficiencies.