Exponential Family State Space Models Based on a Conjugate Latent Process
基于共轭潜在过程的指数族状态空间模型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：摘要明确研究状态空间模型的动态滤波与预测递推，直接对应时间序列及预测方法。
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
基于共轭潜在过程的指数族状态空间模型
- 研究问题
- 如何构造非线性、非高斯状态空间模型，使滤波与预测分布能够逐步解析更新，减少递推计算的困难？
- 方法与思路
- 作者利用指数族及指数离散模型的性质设计潜在过程，使每一步滤波和预测分布均与观测分布保持共轭关系。
- 材料陈述的贡献
- 摘要称提出了具有解析滤波与预测递推的新模型类，并研究其解析与推断性质，辅以若干简单例子。
- 阅读关注点
- 应核对潜在转移机制、共轭性维持的条件、递推分布形式，以及参数推断如何利用这些解析更新公式。
- 阅读边界
- 仅据所给 Crossref 摘要；摘要未说明可容纳的观测族、参数限制或预测表现，解析递推不等于普遍预测优势。
原文摘要
Summary This paper introduces non-linear and non-Gaussian state space models with analytic updating recursions for filtering and prediction. This new class of models involves some well-known results in the theory of exponential models and of exponential dispersion models and the latent process is defined in such a way that both the filtering and the prediction distributions turn out to be conjugate to the observation distribution at each step. The corresponding analytic and inferential properties are investigated and some simple examples are presented.