Quick and Easy One-Step Parameter Estimation in Differential Equations
微分方程参数的快速简便一步估计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：摘要研究一般微分方程动态系统的参数估计，未明确给出宏观时间序列或经济结构模型的分析背景。
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
微分方程参数的快速简便一步估计
- 研究问题
- 对于微分方程描述的动态系统，能否在单个显式步骤中同时选择调节参数和模型参数，并保持所述的一致性速率？
- 方法与思路
- 作者提出一步参数估计程序，将调节参数和所有模型参数一并确定，避免参数级联或局部多项式方法中的多阶段操作。
- 材料陈述的贡献
- 摘要称所提估计量具有根号样本量一致性，计算快速且便于探索性分析，同时承认其精度不及更复杂的方法。
- 阅读关注点
- 应核对一步显式估计的构造、动态系统和观测误差假设，以及根号样本量一致性的条件与速度、精度比较的依据。
- 阅读边界
- 仅依据所给 Crossref 摘要；适用方程、采样设计和数值比较未展开，不能将速率或计算优势推广到任意动态系统。
原文摘要
Summary Differential equations are customarily used to describe dynamic systems. Existing methods for estimating unknown parameters in those systems include parameter cascade, which is a spline-based technique, and pseudo-least-squares, which is a local-polynomial-based two-step method. Parameter cascade is often referred to as a ‘one-step method’, although it in fact involves at least two stages: one to choose the tuning parameter and another to select model parameters. We propose a class of fast, easy-to-use, genuinely one-step procedures for estimating unknown parameters in dynamic system models. This approach does not need extraneous estimation of the tuning parameter; it selects that quantity, as well as all the model parameters, in a single explicit step, and it produces root-n-consistent estimators of all the model parameters. Although it is of course not as accurate as more complex methods, its speed and ease of use make it particularly attractive for exploratory data analysis.