Efficient generalized cross-validation for state space models
状态空间模型的高效广义交叉验证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：摘要明确涉及状态空间、Kalman 滤波及季节时间序列方差分量模型，直接对应时间序列方法。
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
状态空间模型的高效广义交叉验证
- 研究问题
- 对于具有状态空间表示的信号加噪声模型，如何高效计算影响矩阵的迹，从而降低广义交叉验证准则的计算成本？
- 方法与思路
- 作者在普通 Kalman 滤波中增加一个方程计算影响矩阵的迹，使广义交叉验证准则可在线性时间内求值，并扩展到含线性回归项的观测方程。
- 材料陈述的贡献
- 摘要称，该程序实现了随样本量线性增长的计算成本，适用于回归样条平滑与季节时间序列方差分量模型等应用。
- 阅读关注点
- 应核对影响矩阵的定义、新增递推方程及初始化方式，并确认线性复杂度所需的状态维度条件和含回归项时的处理方法。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明完整模型条件及数值误差，计算效率改善不能直接等同于预测或平滑精度改善。
原文摘要
For a signal plus noise model with a state space representation, an efficient procedure is given for obtaining the trace of the influence matrix, where the influence matrix expresses the estimated signal vector as a linear combination of the observed data. This allows an O(n) evaluation of the generalized cross-validation criterion function. Our approach is very efficient, requiring the addition of only one equation to the ordinary Kalman filter, and extends to models with linear regressors in the observation equation. Important applications are to spline smoothing in regression and to variance components models for seasonal time series.