Regression with Systematic Noise
含系统性噪声的回归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：摘要研究特定相关噪声下的一般回归方法，未提供所列经济时间序列或金融方向的直接依据。
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…
关注这篇论文的作者
含系统性噪声的回归
- 研究问题
- 在线性回归的航天器观测应用中，如何处理高度相关的系统性噪声，并构造能够从参数估计中消除该噪声的矩阵？
- 方法与思路
- 作者给出协方差逆矩阵的显式表达与级数展开，以展开首项形成滤波矩阵替代精确逆矩阵，并用一个例子说明估计过程。
- 材料陈述的贡献
- 摘要称滤波矩阵能够消除估计中的系统性噪声，并在所有具有此消噪性质的矩阵中最优；最优性的具体准则未说明。
- 阅读关注点
- 应核对系统性噪声的协方差结构、展开首项的适用条件、参数可估性，以及最优性的比较对象和对其他噪声的处理。
- 阅读边界
- 索引摘要版本未注明，展开参数的上下标呈现可能不完整，需查原 PDF；未给出最优性准则，不能推断任意相关噪声下的优势。
原文摘要
This paper identifies a type of highly correlated noise—systematic noise—that often arises in applications of linear regression to observations of spacecraft. An explicit formula is given for the inverse of the covariance matrix. The inverse matrix has a simple series expansion in ε2, where 1/ε is the amplitude of the systematic noise. When the leading term, the so-called filter matrix, is used in place of the exact inverse to estimate the regression parameters, the systematic noise is eliminated. The filter matrix is shown to be optimum among all matrices that eliminate systematic noise from the estimates. An example is discussed.