On robustness of Spectral Rényi divergence
谱 Rényi 散度的稳健性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：摘要直接研究时间序列谱密度、频域异常值和谱散度估计，属于时间序列方法方向。
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
谱 Rényi 散度的稳健性
- 研究问题
- 用于时间序列谱密度比较的谱 Rényi 散度具有什么信息论与统计性质，其最小散度估计对频域异常值是否更稳定？
- 方法与思路
- 作者研究谱 α-Rényi 散度与稳健统计 γ 散度的联系及其变分表示，并比较最小 Rényi 与 Itakura–Saito 散度估计的优化路径。
- 材料陈述的贡献
- 摘要称谱 Rényi 方法对频域异常值具有更稳定的优化路径，因而可产生较稳定估计并减少复杂预处理；优势针对该异常值机制。
- 阅读关注点
- 应核对谱密度模型、α 的取值与极限关系，异常值污染的定义，以及优化路径稳定性如何转化为估计稳健性的具体结论。
- 阅读边界
- 仅据 arXiv 预印本摘要，不能确认同行评审或期刊接收；完整条件、参数选择和数值结果未说明，不能推断对所有污染形式稳健。
原文摘要
This paper studies a specific class of statistical divergences for spectral densities of time series: the spectral $α$-Rényi divergences, which include the Itakura-Saito divergence as a limiting case. The aim of this paper is to highlight both information-theoretic and statistical properties of spectral $α$-Rényi divergences. We reveal the connection between the spectral $α$-Rényi divergence and the $γ$-divergence in robust statistics, and a variational representation of the spectral $α$-Rényi divergence. Inspired by these results suggesting "robustness" of spectral $α$-Rényi divergence, we show that the minimum spectral Rényi divergence estimate has a stable optimization path with respect to outliers in the frequency domain, unlike the minimum Itakura-Saito divergence estimator, and thus it delivers more stable estimates, reducing the need for intricate pre-processing.