Asymptotically Optimal Hypothesis Testing with Memory Constraints
记忆约束下渐近最优的假设检验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：摘要讨论一般马尔可夫链检验与记忆约束，未提供经济时间序列等具体领域依据。
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…
关注这篇论文的作者
记忆约束下渐近最优的假设检验
- 研究问题
- 在可用记忆受限时，如何区分两条马尔可夫链，并使样本量增加时错误概率趋近于零的指数速率达到最优？
- 方法与思路
- 作者利用两个假设下转移矩阵的大偏差倾斜构造方程组，以其解刻画受记忆约束的最优检验，并给出计算算法。
- 材料陈述的贡献
- 摘要称，最优受限检验可由一组方程确定，论文同时提供算法和实例；最优性依据错误概率衰减的指数速率。
- 阅读关注点
- 核对记忆约束如何定义、允许采用哪些检验规则、指数速率的评价方式，以及方程求解与算法收敛条件。
- 阅读边界
- 仅据所给 OpenAlex 索引摘要，稿件版本未注明；记忆容量、马尔可夫链条件和有限样本误差未说明，不能推断刊本变化。
原文摘要
The binary hypothesis testing problem of deciding between two Markov chains is formulated under memory constraints. The optimality criterion used in the exponential rate with which the probability of error approaches zero as the sample size tends to infinity. The optimal memory constrained test is shown to be the solution of a set of equations derived from suitable large deviation twistings of the transition matrices under the two hypotheses. A computational algorithm and some examples are given.