Multiscale variance stabilization via maximum likelihood
基于最大似然的多尺度方差稳定化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：摘要研究独立同分布数据的通用方差稳定化，未涉及金融波动率或其他给定领域的明确模型。
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
基于最大似然的多尺度方差稳定化
- 研究问题
- 对于独立同分布数据，如何用最大似然方法确定多尺度方差稳定化变换，并高效计算似然所需的雅可比部分？
- 方法与思路
- 作者提出最大似然途径，对两种多尺度方差稳定化变换建立统一的雅可比理论结果，并据此实现线性时间的似然计算。
- 材料陈述的贡献
- 摘要称这些结果加深了对变换的理解并改善似然计算效率，经验比较显示所研究变换相较 Box–Cox 变换表现有利。
- 阅读关注点
- 应核对两种变换的具体定义、雅可比结果适用范围、参数估计与计算复杂度，以及经验比较采用的数据和评价标准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；变换设定和比较数值未说明，独立同分布数据的结论不能直接用于相关数据。
原文摘要
This article proposes maximum likelihood approaches for multiscale variance stabilization transformations for independently and identically distributed data. For two multiscale variance stabilization transformations we present new unified theoretical results on their Jacobians, a key component of the likelihood. The results provide a deeper understanding of the transformations and the ability to compute the likelihood in linear time. The transformations are shown empirically to compare favourably to the Box–Cox transformation.