Strong consistency in stochastic regression models via posterior covariance matrices
利用后验协方差矩阵研究随机回归的强一致性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：摘要聚焦随机回归的一般一致性理论，序贯设计与自适应控制不足以确定所列应用方向。
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
利用后验协方差矩阵研究随机回归的强一致性
- 研究问题
- 随机回归变量满足不同条件、误差构成鞅差序列时，如何借助后验协方差矩阵研究贝叶斯估计量的强一致性？
- 方法与思路
- 作者利用后验协方差矩阵序列满足的递推关系推导强一致性结果，并讨论序贯设计与自适应控制中的三个例子。
- 材料陈述的贡献
- 摘要称在不同随机回归变量假设下获得若干结果，表明后验协方差矩阵是研究随机回归强一致性问题的有用工具。
- 阅读关注点
- 核对随机回归变量、鞅差误差及先验的具体条件，查看协方差递推如何支持强一致性，以及三个例子的适用范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；先验、回归变量条件及递推式未提供，不能认定所有自适应回归均一致或推断刊本变化。
原文摘要
In this paper we use posterior covariance matrices to study the strong consistency of Bayes estimators in stochastic regression models under various assumptions on the stochastic regressors. The random errors are assumed to form a martingale difference sequence. Several results are obtained using a recursion satisfied by the sequence of posterior covariance matrices. These results suggest that the posterior covariance matrix is a useful tool in studying strong consistency problems in stochastic regression models. Three examples from sequential design and adaptive control are discussed.