A Multiresolution Approach to Time Warping Achieved by a Bayesian Prior–Posterior Transfer Fitting Strategy
通过贝叶斯先验—后验转移拟合实现时间扭曲的多分辨率方法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：摘要研究函数型观测的相位对齐，未提供经济时间序列或其他所列方向的直接依据。
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…
通过贝叶斯先验—后验转移拟合实现时间扭曲的多分辨率方法
- 研究问题
- 如何表示并估计函数型观测的时间扭曲，以减少和分析相位变异，同时实现多分辨率建模与模型选择？
- 方法与思路
- 作者以称为 warplets 的基本函数复合构造扭曲函数，逐次拟合贝叶斯模型，将前次后验转为下次先验。
- 材料陈述的贡献
- 摘要提出新的扭曲函数表示，称其逆函数可显式获得，并结合类似小波阈值的方法与贝叶斯推断进行模型选择。
- 阅读关注点
- 应核对基本函数如何保证平滑双射、复合与求逆的步骤，以及后验转移和阈值选择在连续拟合中的具体作用。
- 阅读边界
- 仅据所给 Crossref 摘要，不能判断估计精度、模型选择保证或计算成本；时间扭曲表述也不能直接视为经济时间序列结果。
原文摘要
Summary Warping is an approach to the reduction and analysis of phase variability in functional observations, by applying a smooth bijection to the function argument. We propose a natural representation of warping functions in terms of a new type of elementary functions named ‘warping component functions’, or ‘warplets’, which are combined into the warping function by composition. The inverse warping function is trivial and explicit to obtain. A sequential Bayesian estimation strategy is introduced which fits a series of models and transfers the posterior of the previous fit into the prior of the next fit. Model selection is based on a warping analogue to wavelet thresholding, combined with Bayesian inference.