跳到正文
← 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:摘要研究空间协方差与谱近似,没有对应所列经济计量细分方向的明确应用。

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
Joseph Guinness

规则网格上 Matérn 协方差的逆

研究问题
规则网格上基于随机偏微分方程的 Matérn 协方差近似,是否也能准确逼近协方差的逆及其高频特征?
方法与思路
作者研究规则网格上 Matérn 协方差的混叠谱密度,借此分析常用随机偏微分方程近似的高频功率与逆矩阵表现。
材料陈述的贡献
摘要称,该近似赋予高频过多功率,网格加密也未使逆的近似越来越准确;一维指数协方差情形是所述例外。
阅读关注点
应核对所研究近似的具体构造、逆的误差衡量方式、网格与维度设定,以及一维指数协方差例外的原因。
阅读边界
仅据所给 Crossref 摘要,无法判断误差度量和适用参数范围;结论不能推广为所有 Matérn 近似方法均失效。

原文摘要

Summary We conduct a study of the aliased spectral densities of Matérn covariance functions on a regular grid of points, elucidating the properties of a popular approximation based on stochastic partial differential equations. While other researchers have shown that this approximation can work well for the covariance function, we find that it assigns too much power at high frequencies and does not provide increasingly accurate approximations to the inverse as the grid spacing goes to zero, except in the one-dimensional exponential covariance case.

笔记与分组
相关领域论文