Tree-Structured Wavelet Estimation in a Mixed Effects Model for Spectra of Replicated Time Series
重复时间序列谱的混合效应模型与树结构小波估计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：摘要明确研究平稳时间序列的谱估计及重复记录间变异，因此归入时间序列方法，应用对象为脑电记录。
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…
重复时间序列谱的混合效应模型与树结构小波估计
- 研究问题
- 如何利用实验设计中多个受试者或重复记录的时间序列，同时估计平稳过程的共同对数谱及记录之间的变异？
- 方法与思路
- 作者以混合效应模型描述共同谱与个体差异，结合空间自适应平滑、递归二分划分和离散小波变换预测个体效应。
- 材料陈述的贡献
- 摘要称该方法实现简单，借助小波变换可处理大型数据，并通过数值研究及多受试者脑电数据展示其表现。
- 阅读关注点
- 应核对平稳性与记录间依赖的要求、共同谱和个体效应的区分方式，以及树结构选择和数值比较的具体设置。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；模型条件、误差评估和计算规模未详述，不能核实刊本变化。
原文摘要
This article develops a method for estimating the spectrum of a stationary process using time series traces recorded from experimental designs. Our procedure estimates the “common” log-spectrum and the variability over the traces (or subjects) using a mixed effects model. We combine spatially adaptive smoothing methods with recursive dyadic partitioning to construct a model for predicting subject-specific effects. The method is easy to implement and can handle large datasets because it uses the discrete wavelet transform which is computationally efficient. Numerical studies confirm that the proposed method performs very well despite its simplicity. The method is also applied to a multisubject electroencephalogram dataset.