Reconstructing a Noisy Markov Chain using Near-Neighbor Rules
利用近邻规则重构含噪马尔可夫链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：摘要研究通用马尔可夫链的含噪重构，未明确宏观时间序列或其他所列应用方向。
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
利用近邻规则重构含噪马尔可夫链
- 研究问题
- 只能观察带误差的序列时，如何重构潜在的平稳二状态马尔可夫链，并在参数未知时选择候选近邻规则中的最佳规则？
- 方法与思路
- 作者对马尔可夫链及误差序列采用简单参数化，研究一类近邻重构规则，并提出参数估计及其渐近性质分析。
- 材料陈述的贡献
- 摘要称，参数估计的渐近分析使作者能够计算大样本下采用候选集合中最佳近邻规则的概率，具体概率未给出。
- 阅读关注点
- 应核对链与误差序列的参数化、近邻规则定义、最佳规则的评价标准，以及未知参数估计如何影响规则选择。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；误差机制、重构损失和概率公式均未说明，最佳性只涉及文中考察的候选近邻规则。
原文摘要
An observer desires to record a realization of a stationary two-state Markov chain X, but experimental conditions are such that he instead sees a realization of an error sequence Y. The objective is to reconstruct X. For a simple parameterization of both the Markov chain and the error sequence, a class of near-neighbor reconstruction rules is proposed and investigated. When the values of the parameters are unspecified, estimates are suggested and their asymptotic properties investigated. We are then able to calculate the large sample probability of using the best of the near-neighbor rules under consideration.