首页/论文/1106.2674

arXiv 1106.26742011-06-14math.STmath.PRstat.TH

各向同性自回归场的集结

Aggregation of isotropic autoregressive fields

Frédéric Lavancier

发表信息：: Journal of Statistical Planning and Inference 141, 12 (2011) 3862-3866

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

本注释构成对Azomahou，JSPI，139：2581-2597文章的更正。研究了具有随机系数的格点上各向同性四近邻自回归模型的集结问题。对AR系数的一大类规律，详细研究了所得随机场的谱密度。根据这一定律，聚合场可以表现出短记忆或各向同性长记忆。

英文摘要：

This note constitutes a corrigendum to the article of Azomahou, JSPI, 139:2581-2597. The aggregation of isotropic four nearest neighbors autoregressive models on the lattice, with random coefficient, is investigated. The spectral density of the resulting random field is studied in details for a large class of law of the AR coefficient. Depending on this law, the aggregated field may exhibit short memory or isotropic long memory.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

长记忆过程与AR的集结（1）随机过程：一个新的刻画

Long-memory process and aggregation of AR(1) stochastic processes: A new characterization

单个AR（1）随机过程的同时聚合可能导致极限聚合时间序列的不同性质，特别是长记忆性（Granger，1980）。我们提供了一个新的自回归系数，这是从总随机过程的极限的Wold表示定义的一系列表征，在存在的长记忆功能。特别是由聚合过程的几乎必然表示定义的无穷自回归随机过程在长记忆性存在时具有单位根。最后，我们讨论了一些例子，使用一些著名的密度函数的自回归随机参数的集结文献。JEL分类代码：C2、C13。

2015-08-08math.CVmath.PRmath.ST

自回归过程的聚集与长记忆

Aggregation of autoregressive processes and long memory

本文研究了AR过程和广义Ornstein-Uhlenbeck过程的集结。随机极点的混合谱密度是主要的工具。在这种情况下，我们将我们的结果应用于双随机相互作用过程的聚合，参见Dacunha-Castelle和Fermin（2006）。因此，我们研究自回归过程的聚集和长记忆之间的关系，考虑复杂的相互作用结构。我们精确的一个非常有趣的定性现象：如何长的记忆创建取决于极点浓度附近的边界的稳定性（测量Prokhorov意义上）。我们的结果推广了Oppenheim和Viano（2004）的结果，并强调了极点的角色散度量在长记忆出现中的重要性。

2008-11-12math.PRmath.STstat.TH

球面上平稳泛函时间序列的SPHARMA逼近

SPHARMA approximations for stationary functional time series on the sphere

本文主要研究各向同性平稳的跨时间球随机场。本文首先引入了一类球面泛函自回归-滑动平均过程（SPHARMA），它是文献[8，7]中研究的球面泛函自回归（SPHAR）的自然推广;更重要的是，我们证明了足够大阶的SPHAR和SPHARMA过程可以用来逼近每一个各向同性和平稳的球跨时间随机场，从而将实值平稳过程的一些经典结果推广到这个无限维的框架中。利用泛函谱表示定理和Wold样分解进一步刻画了这类系统。

2020-09-28math.PRmath.STstat.TH

平滑Bernstein在线聚合法用于日前电力需求预测

Smoothed Bernstein Online Aggregation for Day-Ahead Electricity Demand Forecasting

House of Energy Markets and Finance（能源市场与金融研究院）；University of Duisburg-Essen（杜伊斯堡-埃森大学）

我们介绍了IEEE数据端口竞赛的获胜方法，即提前一天的电力需求预测：后COVID范式。日前负荷预测方法是基于多点预测模型的在线预测组合。它包含四个步骤：i）数据清洗和预处理，ii）假日调整程序，iii）个体预测模型的训练，iv）通过平滑Bernstein在线聚合（BOA）的预测组合。该方法灵活，可快速适应COVID-19期间和之后发生的新能源系统情况。单个预测模型的范围从相当简单的时间序列模型到复杂的模型，如广义加性模型（GAM）和lasso估计的高维线性模型。它们有效地结合了自回归、日历和天气效果。所有步骤都包含新的概念，有助于所提出的方法的出色的预测性能。这尤其适用于假日调整程序和完全自适应平滑BOA方法。

2021-07-13cs.CEcs.LGcs.SY

自回归随机场的聚集与各向异性长程相关

Aggregation of autoregressive random fields and anisotropic long-range dependence

我们引入了定常随机场$Y$在$\mathbb {Z}^2$上的标度跃迁和分布长程依赖的概念，对于任意的$γ>0$，其在边以速率$O(n)$和$O(n^γ)$增长的矩形上的归一化部分和趋向于一个标度$\mathbb {R}^2$上的随机场$V_γ$的算子.缩放转换的特征在于存在唯一的$γ_0>0$，使得缩放极限$V_γ$不同，并且对于$γ>γ_0$和$γ<γ_0$不依赖于$γ$。证明了在$\mathbb{Z}^2$上一类$α$-稳定的$(1<α\le2)$聚集最近邻自回归随机场的标度转换以及各向异性和各向同性分布长程相关性质的存在性，其中标量随机系数$A$在$A=1$的"单位根"附近具有规则变化的概率密度.

2016-06-23math.STstat.TH

季节性长记忆聚集时间序列的推断

Inference of seasonal long-memory aggregate time series

具有定期和/或季节性长记忆的时间序列数据通常在分析之前进行汇总。通常，聚合规模足够大，可以消除潜在过程中的任何短期记忆成分，但太短，无法消除更长时期的季节性模式。在本文中，我们调查的限制相关结构的聚合时间序列的中间渐近框架内，试图捕捉上述采样方案。特别地，我们研究了离散时间过程中聚集体的自相关结构和谱密度函数。底层离散时间过程被假定为一个平稳的季节性自回归分数积分移动平均（SARFIMA）过程，经过适当数量的差分，如果必要的话，和底层过程的季节周期是聚合大小的倍数。我们推导出的聚合物的归一化谱密度函数的限制，随着聚集。限制聚合（季节性）长记忆模型，然后可能是有用的分析聚合的时间序列数据，这可以通过最大化的惠特尔可能性估计。证明了极大Whittle似然估计（谱极大似然估计）的相合性和渐近正态性，并通过模拟研究了它的有限样本性质。所提出的方法的有效性说明了现实生活中的互联网流量的例子。

2012-11-23math.STstat.TH

更多相关论文收起更多论文

生物医学信号时频表示的二进聚集自回归（DASAR）模型

Dyadic aggregated autoregressive (DASAR) model for time-frequency representation of biomedical signals

介绍了一种新的生物医学信号时频表示方法：并元聚集自回归（DASAR）模型。信号，如脑电图（EEG）和功能性近红外光谱（fNIRS），通过特定频率间隔（0-50 Hz（EEG）或0-150 mHz（fNIRS））的时间演变频谱分量显示生理信息。信号的谱时特征通常采用短时傅里叶变换（STFT）和小波变换（WT）进行估计。然而，这两种方法可能无法提供最强大或紧凑的表示，尽管它们在生物医学背景下广泛使用。所提出的方法，DASAR，提高了精确的频率识别和跟踪的可解释的频率分量与一个吝啬的参数集。DASAR通过假设生物医学时变频谱包括具有（分段）时变频率的几个独立随机振荡器来实现这些特性。本地平稳性可以假设在二元细分的记录，而随机振荡器可以建模与二阶自回归模型（ASAR）的聚合。DASAR可以通过提高用户定义的频谱感兴趣区域（SROI）中的估计精度来提供（高对比度）EEG和fNIRS频率范围的更准确表示。在混合脑电fNIRS系统上进行心算实验，以评估该方法的有效性。我们提出的技术，STFT和WT应用于两个生物医学信号，以发现潜在的振荡器，提高任务条件和其基线之间的歧视。结果表明，DASAR提供了最高的频谱分化，它是唯一的方法，可以识别迈耶波在97.4-97.5兆赫的窄带伪影。

2021-05-13eess.SPphysics.med-phstat.ME

DiAMoNDBack：用于蛋白质Cα轨迹非确定性逆映射的扩散去噪自回归模型

DiAMoNDBack: Diffusion-denoising Autoregressive Model for Non-Deterministic Backmapping of Cα Protein Traces

Pritzker School of Molecular Engineering, University of Chicago（芝加哥大学普利兹克分子工程学院）

本研究提出自回归去噪扩散模型DiAMoNDBack，可从仅含Cα坐标的粗粒度蛋白质表征逐残基恢复全原子细节，在多基准测试中取得最优重建性能，且已开源。

2023-07-23cs.LGq-bio.BMstat.ML

非平稳次线性过程的预报集结及时变自回归过程的在线自适应预报

Aggregation of predictors for nonstationary sub-linear processes and online adaptive forecasting of time varying autoregressive processes

在这项工作中，我们研究了非平稳次线性过程的聚集有限个预测的问题。我们提供的预言不等式主要依赖于三个成分：（1）时变次线性系数的$\ell^1$范数的一致界，（2）预测的Lipschitz假设和（3）出现在线性表示中的噪声的矩条件。考虑了两种聚合对噪声的矩条件不同，以及不同程度的尖锐预言不等式。我们应用这种方法来获得局部平稳时变自回归（TVAR）过程的自适应预测。它是通过聚集有限数量的精心选择的预测，他们每个人都享有最佳的极小极大收敛速度下的TVAR系数的特定光滑条件。我们表明，所获得的聚合预测达到了极大极小率，同时适应未知的平滑。为了证明这一结果，TVAR过程的预测风险的极小极大率的下界建立。数值实验完成了这项研究。这种方法的一个重要特征是聚合预测器可以递归计算，因此适用于在线预测环境。

2015-11-17math.STstat.MLstat.TH

关于通过AR模式再现预定义自协方差函数的教程：应用于定常均匀各向同性湍流

A tutorial on reproducing a predefined autocovariance function through AR models: Application to stationary homogeneous isotropic turbulence

与谱方法相比，随机过程综合实现的序贯方法具有许多优点。在这篇文章中，确定最佳的自回归（AR）模型再现一个预定义的目标自协方差函数的随机过程。为此，开发了一种新的配方的问题。该公式是线性的，并概括了著名的Yule-Walker（Y-W）方程和最近的方法的基础上限制AR模型（Krenk-Moller方法，K-M）。两个主要特点是引入配方：（i）在选择的自协方差方程在模型确定的灵活性，和（ii）在AR模型方案的定义的灵活性。这两个功能被利用的遗传算法，以获得最佳的AR模型的特定情况下，合成生成的均匀平稳各向同性湍流时间序列。所得到的模型改进了Y-W和K-M方法获得的目标自协方差函数的全局拟合方面的相同的模型简约。再生光谱的影响进行了讨论。还提出了多变量情况下的配方，突出了一些计算瓶颈背后的原因。

2021-12-06stat.AP

在时间序列回归模型中汇总响应，应用于与天气相关的心血管死亡率

Aggregating the response in time series regression models, applied to weather-related cardiovascular mortality

在环境流行病学研究中，由于医院组织和其他社会因素，健康反应数据（例如住院或死亡率）通常是嘈杂的。数据中的噪声可以隐藏与暴露相关的真实信号。通过对健康数据进行时间聚合，然后将其用作回归分析中的响应，可以揭示信号。从汇总系列，一般方法介绍了在回归设置中的汇总响应的特殊性。该方法可与气象相关健康研究中常用的回归模型，如广义可加模型（GAM）和分布滞后非线性模型（DLNM）一起使用。特别是，残差建模使用自回归移动平均（ARMA）模型来考虑时间依赖性。所提出的方法是说明在加拿大的心血管疾病死亡率的温度的影响建模。与经典DLNM的比较，并比较了几种聚合方法。结果表明，有一个增加的拟合质量时，响应是聚合的，估计的关系更集中在几天的结果比经典DLNM。更确切地说，在各种研究的聚集方案中，发现具有不对称Epanechnikov核的聚集更适合于研究温度-死亡率关系。

2018-02-21stat.AP

聚合点过程数据的连续推理

Continuous Inference for Aggregated Point Process Data

本文介绍了使用在一组聚合单元上注册的计数数据进行推理的新方法。由于保密问题，这些数据在流行病学中无处不在：比如说，知道一个人居住的县比知道他们在空间中的确切位置要常见得多。对汇总数据的推断传统上利用离散空间变化的模型，例如条件自回归模型（CAR）。我们认为，这样的离散模型可以改善从科学和推理的角度来看，通过使用时空连续模型直接建模的总计数。我们介绍的方法提供（限制）连续推理与时空聚合计数数据中的聚合单元可能会随着时间的推移而变化，并受到不确定性。我们用两个例子来说明我们的方法：从流行病学，空间预测疟疾发病率在纳米比亚，从政治，预测投票下，在英国议会边界的拟议变化。

2017-04-19stat.ME

通过多维时间序列异常检测保护联邦学习免受极端模型污染攻击

Protecting Federated Learning from Extreme Model Poisoning Attacks via Multidimensional Time Series Anomaly Detection

Department of Computer, Control and Management Engineering, Sapienza University of Rome（计算机、控制与管理工程系，罗马萨皮恩扎大学）；National Research Council in Pisa（比萨国家研究理事会）；Department of Statistics, Ludwig-Maximilians-University of Munich（统计学系，慕尼黑路德维希-马克西米利安大学）；Department of Computer Science, Sapienza University of Rome（计算机科学系，罗马萨皮恩扎大学）

FLANDERS通过多维时间序列异常检测方法，有效防御联邦学习中的大规模模型污染攻击，提升系统鲁棒性。

2024-12-02cs.AIcs.CRcs.LG

具有无穷方差的随机系数AR（1）过程的联合时间和同期集结

Joint temporal and contemporaneous aggregation of random-coefficient AR(1) processes with infinite variance

本文讨论了独立同分布驱动的随机系数AR（1）过程的$N$独立拷贝的联合时间聚集和同期聚集。在$α$稳定分布$0< α\le 2$的正态吸引域中的创新，因为$N$和时间尺度$n$两者可能以不同的速率趋于无穷大。假设随机自回归系数的尾分布函数在单位根处以$β> 0$为指数有规律地变化，证明了对于$β< \max (α, 1)$，联合骨料表现出多种稳定和非稳定的极限行为，其稳定性指标依赖于$α$、$β$以及$N$和$n$的互增率.本文将Pilipauskaitsmann和Surgailis（2014）的结果从$α= 2$扩展到了$0 < α< 2$。

2019-11-08math.STstat.TH