A decomposition of some serially-structured variance matrices
若干序列结构方差矩阵的分解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：摘要将矩阵分解直接联系到广义 ARMA 过程及序列生成机制。
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
若干序列结构方差矩阵的分解
- 研究问题
- 哪些具有序列结构的方差矩阵能够分解为下三角带状矩阵，这类矩阵与广义自回归移动平均过程有什么联系？
- 方法与思路
- 作者定义可作下三角带状分解的序列结构矩阵，将其解释为广义 ARMA 过程有限观测序列的方差矩阵。
- 材料陈述的贡献
- 摘要称建立了一类方差矩阵及其分解描述，并表明大量由序列机制生成的随机过程具有这种矩阵结构。
- 阅读关注点
- 应核对矩阵类的正式定义、分解的存在性与唯一性、带宽限制，以及所覆盖随机过程和广义 ARMA 的具体含义。
- 阅读边界
- OpenAlex 索引摘要未注明稿件版本，未提供分解公式、完整条件或计算结果，不能判断数值稳定性及计算优势。
原文摘要
Serially-structured variance matrices which can be decomposed into lower-triangular band matrices are defined. These may be thought of as the variance matrices of finite realizations of generalized autoregressive-moving average processes. A large number of serially-generated stochastic processes are shown to be of this type.