Estimating structured correlation matrices in smooth Gaussian random field models
光滑高斯随机场模型中结构化相关矩阵的估计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：摘要研究计算机实验中的高斯随机场相关结构，未明确涉及时间序列、网络或所列其他方向。
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
光滑高斯随机场模型中结构化相关矩阵的估计
- 研究问题
- 在无限可微的高斯随机场模型中，如何估计具有结构限制的相关矩阵，以服务于计算机实验中光滑响应的随机建模？
- 方法与思路
- 作者明确给出对数似然的闭式表达，采用筛最大似然估计，并在一定条件下研究结构化相关矩阵估计的强一致性。
- 材料陈述的贡献
- 摘要称，该模型的对数似然可写为闭式形式，筛最大似然估计量在温和条件下强一致，为相关结构估计提供理论结果。
- 阅读关注点
- 应核对相关矩阵的结构约束、筛空间及其扩张方式，计算机实验的观测设计，以及强一致性对应的渐近框架和条件。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 摘要，温和条件、渐近框架和计算表现未说明；不能补充收敛率、正态性或预测优势。
原文摘要
This article considers the estimation of structured correlation matrices in infinitely differentiable Gaussian random field models.The problem is essentially motivated by the stochastic modeling of smooth deterministic responses in computer experiments.In particular, the log-likelihood function is determined explicitly in closed-form and the sieve maximum likelihood estimators are shown to be strongly consistent under mild conditions.