A fast algorithm for signal extraction, influence and cross-validation in state space models
状态空间模型中信号提取、影响诊断与交叉验证的快速算法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：摘要直接涉及状态空间模型的信号提取、状态平滑和递推计算，属于时间序列方法。
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
状态空间模型中信号提取、影响诊断与交叉验证的快速算法
- 研究问题
- 如何在信号加噪声的状态空间模型中快速计算信号的条件均值和方差，并支持状态平滑与观测影响诊断？
- 方法与思路
- 作者构造递推算法，用于全部或部分状态向量的平滑，并将学生化残差和杠杆值概念推广至状态空间模型。
- 材料陈述的贡献
- 摘要称递推关系给出高效的状态平滑与诊断计算公式，并进一步导出用于多项式样条平滑的新高效算法。
- 阅读关注点
- 应核对递推算法所需的模型条件、计算成本及数值稳定性，尤其是题名所列交叉验证如何与摘要中的诊断量连接。
- 阅读边界
- 仅据未注明稿件版本的索引摘要；摘要未给出计算复杂度、速度比较及交叉验证细节，不能判断不同模型规模下的性能。
原文摘要
A fast algorithm is developed for computing the conditional mean and variance of the signal given the observations in a signal plus noise model. The resulting recursions can be applied immediately to provide new and efficient formulae for smoothing part or all of the state vector. The ideas of studentized residuals and leverage from regression analysis are generalized to state space models, and the new algorithm is used to compute the various measures. The results are also applied to obtain a new efficient algorithm for polynomial spline smoothing.