Bayesian nonparametric inference in McKean–Vlasov models
McKean–Vlasov 模型的贝叶斯非参数推断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：摘要研究相互作用粒子系统的逆问题，未提供经济网络、因子或结构估计的直接依据。
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…
McKean–Vlasov 模型的贝叶斯非参数推断
- 研究问题
- 如何从非线性 McKean–Vlasov 方程解的含噪离散时空观测中，恢复描述粒子相互作用的周期势函数？
- 方法与思路
- 作者对相互作用势赋予高斯过程先验，研究后验均值诱导的密度估计，并在初值条件下分析势函数恢复。
- 材料陈述的贡献
- 摘要称，密度估计具有快速收敛率；满足初值条件时可一致恢复势函数，且正则性提高使速率趋近参数级别。
- 阅读关注点
- 应核对初值“不太光滑”及可反卷积条件的精确定义、观测设计与噪声设定，以及收敛率采用的范数。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；具体正则性门槛、速率指数和证明未提供，不能推断刊本变化。
原文摘要
We consider nonparametric statistical inference on a periodic interaction potential W from noisy discrete space-time measurements of solutions ρ=ρW of the nonlinear McKean–Vlasov equation, describing the probability density of the mean field limit of an interacting particle system. We show how Gaussian process priors assigned to W give rise to posterior mean estimators that exhibit fast convergence rates for the implied estimated densities ρ¯ towards ρW. We further show that if the initial condition ϕ is not too smooth and satisfies a standard deconvolvability condition, then one can consistently infer Sobolev-regular potentials W at convergence rates N−θ for appropriate θ>0, where N is the number of measurements. The exponent θ can be taken to approach 1/2 as the regularity of W increases corresponding to ‘near-parametric’ models.