Dimensionality Collapse: Optimal Measurement Selection for Low-Error Infinite-Horizon Forecasting
维度坍缩：低误差无限期预测的最优测量选择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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究向量时间序列的远期预测及服务于预测的测量设计。
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
维度坍缩：低误差无限期预测的最优测量选择
- 研究问题
- 对向量时间序列进行远期预测时，如何选择序贯线性测量，使采集信息针对长期预测误差而优化？
- 方法与思路
- 作者以预测 Cramér–Rao 下界的长期平均迹为成本，建立无限期测量设计，并利用下界的低秩结构进行局部降维。
- 材料陈述的贡献
- 摘要称提出等价优化表述与两种实现；周期及混沌系统模拟显示，下界改善与系统坍缩维度数呈线性关系。
- 阅读关注点
- 应核对噪声分布、系统极限行为和等价表述的条件，并区分预测误差下界的改善与实际预测精度的改善。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要主要报告模拟系统的误差下界，未说明经济预测适用性。
原文摘要
This work introduces a method to select linear functional measurements of a vector-valued time series optimized for forecasting distant time-horizons. By formulating and solving the problem of sequential linear measurement design as an infinite-horizon problem with the time-averaged trace of the Cramér-Rao lower bound (CRLB) for forecasting as the cost, the most informative data can be collected irrespective of the eventual forecasting algorithm. By introducing theoretical results regarding measurements under additive noise from natural exponential families, we construct an equivalent problem from which a local dimensionality reduction can be derived. This alternative formulation is based on the future collapse of dimensionality inherent in the limiting behavior of many differential equations and can be directly observed in the low-rank structure of the CRLB for forecasting. Implementations of both an approximate dynamic programming formulation and the proposed alternative are illustrated using an extended Kalman filter for state estimation, with results on simulated systems with limit cycles and chaotic behavior demonstrating a linear improvement in the CRLB as a function of the number of collapsing dimensions of the system.