Nonparametric state estimation of diffusion processes
扩散过程的非参数状态估计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：摘要明确从时间序列估计扩散过程状态，并研究过滤和平滑，直接对应时间序列方法方向。
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
扩散过程的非参数状态估计
- 研究问题
- 如何非参数地估计一维扩散过程的状态，并在时间序列中实现状态过滤与平滑，以及评估相关预测误差？
- 方法与思路
- 作者先从时间序列估计某些干扰参数，再通过 Kalman 滤波算法估计扩散过程状态，并与拟合线性模型进行数值比较。
- 材料陈述的贡献
- 摘要称，该方法可用于状态过滤与平滑，且在所报告的数值比较中，其预测误差表现优于拟合线性模型的方法。
- 阅读关注点
- 应核对扩散模型与观测机制、干扰参数的非参数估计方式，以及使用 Kalman 算法的依据和预测误差比较设计。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；滤波条件、比较设定和误差数值未说明，不能将数值优势推广至所有扩散模型或推断刊本变化。
原文摘要
The paper presents a method for estimating nonparametrically the states of one‐dimensional diffusion processes. Once certain nuisance parameters have been estimated from the time series, states of a diffusion process can be estimated by the Kalman filter algorithm, so that the method is also useful for filtering and smoothing the states of the process. Numerical comparison of the method with the case of fitting a linear model to data shows that the method is clearly superior in terms of prediction errors.