The likelihood for a state space model
状态空间模型的似然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：摘要直接研究状态空间模型、Kalman 滤波及初始条件处理，对应时间序列方法。
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
状态空间模型的似然
- 研究问题
- 如何计算状态空间模型的似然，同时使初始条件的建模与滤波计算分开，并处理弥散初始条件与集中似然的联系？
- 方法与思路
- 作者推导可用 Kalman 滤波求值的似然表达式，令起始状态估计及其误差协方差为零，再于滤波后调整初始条件。
- 材料陈述的贡献
- 摘要称初始条件可在不改变滤波计算的情况下建模，包括弥散初始化，并展示弥散似然与集中似然之间的联系。
- 阅读关注点
- 应核对状态方程和观测方程的假设、初值调整项、弥散处理的定义，以及该表达式与常规初始化方法的关系。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；模型分布条件、似然公式和适用边界未展开，不能推断刊本变化。
原文摘要
This paper derives an expression for the likelihood for a state space model. The expression can be evaluated with the Kalman filter initialized at a starting state estimate of zero and associated estimation error covariance matrix of zero. Adjustment for initial conditions can be made after filtering. Accordingly, initial conditions can be modelled without filtering implications. In particular initial conditions can be modelled as ‘diffuse’. The connection between the ‘diffuse’ and concentrated likelihood is also displayed.