On the Stability of Bayes Estimators for Gaussian Processes
高斯过程贝叶斯估计量的稳定性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：摘要研究一般高斯信号估计的稳健性，未明确涉及宏观时间序列或金融波动率模型。
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
高斯过程贝叶斯估计量的稳定性
- 研究问题
- 高斯信号在加性高斯噪声中被观测时，信号或噪声受到特定分布污染，会使原贝叶斯估计量的均方误差增加多少？
- 方法与思路
- 作者考察 QN 分布污染信号或噪声的情形，将原贝叶斯估计量的均方误差与污染模型中的最小可能误差进行比较。
- 材料陈述的贡献
- 摘要称，论文给出了相对最小可能均方误差的增量上界，并说明在少量污染下原估计量的表现相对接近最优。
- 阅读关注点
- 应核对 QN 污染的定义、信号和噪声污染的不同条件，以及误差上界怎样随污染程度变化和“接近最优”的含义。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要，QN 分布定义与上界形式未说明；结论不能推广到任意污染机制。
原文摘要
We consider the Bayes estimator $\delta_0$ for a Gaussian signal process observed in the presence of additive Gaussian noise under contamination of the signal or noise by QN-laws, introduced by Gualtierotti (1979). Upper bounds on the increase in the mean square error of $\delta_0$ over the minimum possible mean square error under contaminated noise or contaminated signal are given. It is shown that the performance of $\delta_0$ is relatively close to optimal for small amounts of contamination.