LEARNING MARKOV PROCESSES WITH LATENT VARIABLES
含潜变量的马尔可夫过程学习与识别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：摘要明确指出潜变量马尔可夫过程的识别结果可用于短面板数据和平稳时间序列。
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
含潜变量的马尔可夫过程学习与识别
- 研究问题
- 对于时间齐次的二元马尔可夫链，当其中一个变量不可观测时，能否从短观测序列识别转移核和初始分布？
- 方法与思路
- 作者从四个或更多连续观测的联合分布出发，在特定条件下建立转移核及初始分布的唯一恢复结果。
- 材料陈述的贡献
- 摘要称除潜变量状态标签可任意重命名外，相关对象可唯一恢复；该识别结果适用于短面板和固定分布的时间序列。
- 阅读关注点
- 应核对潜变量状态空间、关键识别条件和标签不确定性，以及四期观测的作用与面板、时间序列应用的差异。
- 阅读边界
- 仅据所给 Crossref 版本摘要，识别条件和估计算法未说明；人口分布下可识别不等于有限样本可准确恢复，也不推断刊本变化。
原文摘要
We consider the problem of identifying the parameters of a time-homogeneous bivariate Markov chain when only one of the two variables is observable. We show that, subject to conditions that we spell out, the transition kernel and the distribution of the initial condition are uniquely recoverable (up to an arbitrary relabelling of the state space of the latent variable) from the joint distribution of four (or more) consecutive time-series observations. The result is, therefore, applicable to (short) panel data as well as to (stationary) time series data.