A Decomposition of Some Serially-Structured Variance Matrices
若干序列结构协方差矩阵的分解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：摘要明确将序列协方差矩阵与广义 ARMA 随机过程联系起来，直接涉及时间序列结构。
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
若干序列结构协方差矩阵的分解
- 研究问题
- 哪些具有序列结构的协方差矩阵能够分解为下三角带状矩阵，并如何联系到广义 ARMA 过程的有限段实现？
- 方法与思路
- 作者定义一类可作下三角带状分解的序列结构协方差矩阵，并将其解释为广义 ARMA 过程有限段实现的协方差。
- 材料陈述的贡献
- 摘要称，许多由序列机制生成的随机过程具有这种矩阵结构；但未列出具体过程类别、分解形式或计算收益。
- 阅读关注点
- 应核对矩阵分解的精确定义、带宽与过程结构的关系，以及哪些序列生成机制满足条件、分解是否唯一。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要解读。摘要没有给出具体分解公式和适用条件，不能据此推断所有 ARMA 协方差均具相同性质。
原文摘要
Serially-structured variance matrices which can be decomposed into lower-triangular band matrices are defined. These may be thought of as the variance matrices of finite realizations of generalized autoregressive-moving average processes. A large number of serially-generated stochastic processes are shown to be of this type.