全部版块 我的主页
论坛 经济学人 二区 外文文献专区
845 11
2022-06-06
英文标题:
《A Second Order Cumulant Spectrum Test That a Stochastic Process is
  Strictly Stationary and a Step Toward a Test for Graph Signal Strict
  Stationarity》
---
作者:
Denisa Roberts and Douglas Patterson
---
最新提交年份:
2020
---
英文摘要:
  This article develops a statistical test for the null hypothesis of strict stationarity of a discrete time stochastic process in the frequency domain. When the null hypothesis is true, the second order cumulant spectrum is zero at all the discrete Fourier frequency pairs in the principal domain. The test uses a window averaged sample estimate of the second order cumulant spectrum to build a test statistic with an asymptotic complex standard normal distribution. We derive the test statistic, study the properties of the test and demonstrate its application using 137Cs gamma ray decay data. Future areas of research include testing for strict stationarity of graph signals, with applications in learning convolutional neural networks on graphs, denoising, and inpainting.
---
中文摘要:
本文在频域上对离散时间随机过程的严格平稳性零假设进行了统计检验。当零假设成立时,主域中所有离散傅里叶频率对的二阶累积量谱均为零。该检验使用二阶累积量谱的窗口平均样本估计来建立具有渐近复标准正态分布的检验统计量。我们推导了检验统计量,研究了检验的性质,并用137Csγ射线衰变数据演示了其应用。未来的研究领域包括测试图形信号的严格平稳性,以及在图形上学习卷积神经网络、去噪和修复方面的应用。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Statistical Finance        统计金融
分类描述:Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--
一级分类:Mathematics        数学
二级分类:Statistics Theory        统计理论
分类描述:Applied, computational and theoretical statistics: e.g. statistical inference, regression, time series, multivariate analysis, data analysis, Markov chain Monte Carlo, design of experiments, case studies
应用统计、计算统计和理论统计:例如统计推断、回归、时间序列、多元分析、数据分析、马尔可夫链蒙特卡罗、实验设计、案例研究
--
一级分类:Statistics        统计学
二级分类:Machine Learning        机器学习
分类描述:Covers machine learning papers (supervised, unsupervised, semi-supervised learning, graphical models, reinforcement learning, bandits, high dimensional inference, etc.) with a statistical or theoretical grounding
覆盖机器学习论文(监督,无监督,半监督学习,图形模型,强化学习,强盗,高维推理等)与统计或理论基础
--
一级分类:Statistics        统计学
二级分类:Statistics Theory        统计理论
分类描述:stat.TH is an alias for math.ST. Asymptotics, Bayesian Inference, Decision Theory, Estimation, Foundations, Inference, Testing.
Stat.Th是Math.St的别名。渐近,贝叶斯推论,决策理论,估计,基础,推论,检验。
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-6-6 17:27:46
aStochastic过程严格平稳的二阶累积量谱检验和图信号严格平稳性检验*纽约州亚马逊纽约克10001rdenisa@amazon.comDouglas弗吉尼亚州弗吉尼亚州布莱克斯堡市财政部PattersonDepartmen t24061amex@vt.eduAbstractThis本文对离散时间随机过程在频域中的严格平稳性零假设进行了统计检验。当零次谐波为真时,主域中所有离散的四阶频率对的二阶累积量谱均为零。该检验使用二阶累积量谱的窗平均样本估计来构建具有渐近复标准正态分布的检验统计量。我们推导了检验统计量,研究了检验的性质,并用137Csγ射线衰变数据演示了其应用。未来的研究领域包括测试图形信号的严格平稳性,以及在学习卷积神经网络、去噪和修复中的应用。1简介及相关工作随机过程{X(t)},t=0。。当其有限维分布的整个族在时间结构的公共平移下保持不变性时,称为严格平稳[1]。时间序列的平稳性在时间序列分析及其应用中起着重要作用,是建立时间序列预测模型和得出正确推断(例如财务收益预测、需求预测、人类活动预测)的前提。人们可以获得时间序列的有意义的样本统计数据(平均值、方差、与其他变量的相关性),只有当时间序列近似平稳时,这些数据才是未来行为的有用描述符。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-6 17:27:49
分析时间序列有两个半径:时域和频域。在时域中,人们直接考虑观测数据,通常对其矩进行猜测。在频域中,我们将时间序列分解为下面的频率,并对谱和累积谱进行推测。本文在频域中操作,提出了一种基于二阶累积量谱的统计时间序列方法,以检验观测到的离散时间序列{x(tn)},tn=nτ,采样率τ,是严格平稳的。时间序列平稳性的经典思想已扩展到图形信号处理(GSP)领域,我们的目标是将我们的测试也扩展到GSP。一个潜在的应用是在高维ir规则域中学习卷积神经网络(CNN),如社交网络、大脑连接体、远程通信网络上的日志数据、生物调节网络上的e代数据,或如[2]所示的图形表示的单词嵌入。目的是推广CNNs能力*通讯作者是d。roberts@vt.edu,提交时是亚马逊的机器学习科学家,目前是与亚马逊没有联系的人工智能研究员。S时空域建模与决策研讨会,第32届神经信息处理系统会议(NIPS 2018),加拿大蒙特勒尔。从低维规则网格(其中图像、视频和语音被重新表示)到由图形表示的不规则结构,学习局部、静态和合成特征的能力【2】。将CNN推广到Graphs的主要瓶颈是可以学习的本地化图过滤器的定义[2]。图形信号处理领域可以使用谱图理论等数学工具来应对这一挑战。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-6 17:27:52
某些局部性质(如平滑性和局部平稳性)与图的有效学习有关。图形信号处理领域通常为在不规则网格上定义的建模数据提供工具[3]。作为g图平稳性应用的另一个示例,[4]利用平稳图信号的思想推导出噪声和部分观测信号的维纳型估计过程,可用于去噪和修复。他们展示了平稳性如何优于经典图模型和高斯映射估计[4]。我们开发了一个基于二阶累积谱(f,f)的严格平稳性测试=∞Xn公司=-∞∞Xn公司=-∞E[x(tn)x(tn)]exp[-2π(ftn+ftn)],(1)定义为傅里叶频率{-f≤ f≤ f-f≤ f≤ f} ,其中f=1/(2τ)。对于简化,我们将在本文的其余部分参考使用累积光谱作为Cum2的测试。Cum2 te st不同于线性时间序列模型的结构变化测试,如CUSUM图表([5]给出了综述)。Cum 2检验能够检测到由于违反严格平稳性零假设的几种类型而引起的变化。例如,在[6]和[7]中,可以对具有或不具有漂移的单位根进行检验,以替代tr端平稳性假设。在[8]中,作者基于离散傅立叶变换的相关性推导了二阶平稳性检验。如果E{x(tm)}是常数,且其自方差cx(tm)仅依赖于差值(tn+m),则时间序列称为二阶平稳、弱平稳或广义平稳[1]- tn),cx(tm)=cx(tn+m- tn)。具有有限二阶矩的严格平稳序列是secon d-orde r平稳的[1]。因此,我们的测试比[8]中提出的测试更一般。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-6 17:27:55
此外,我们的测试与使用信号相干方法的Hinich-Wild[9]严格平稳性测试有不同的功效。Hinich Wild测试有能力对抗随机调制周期过程的替代方案。我们的测试具有更大的通用性,并且不局限于这样一种改变。Cum2也不同于【10】中测试的光谱相关检测。由于非严格平稳过程的空间很大,很难指定替代过程的完整运行时间。我们在第2节中介绍了测试开发,在第3节中评估了测试经验大小和综合数据的功率,在第4节中演示了其应用,并在第5.2节中总结了严格平稳性的Cum2测试。在方程1中,累积量谱K定义为平方中的频率值{-f≤f≤ f-f≤ f≤ f} ,其中f=1/(2τ)是奈奎斯特频率。由于Fourierfrequencies对称性[1 1],我们只研究主域中的一组心理频率的二阶累积量谱,即三角形{0<f≤ f-f<f≤ f} 。从[12]中,如果时间序列{x(t)}是严格平稳的,则主域中一对频率的二阶累积谱k(f,f)=e[x(f)x(f)]=2S(f)+O(1),如果f+f=0,则取1O(1),否则,(2)其中X(fi)表示离散傅里叶变换。在方程式2中,K(f,-f) =δ(f)S(f),其中δ(f)是狄拉克δ函数,S(f)=P∞m级=-∞cx(tm)exp(-i2πftm)是频率的频谱,cx(tm)是过程的自协方差。在方程2中,X(fi)是主域中基频处的离散傅里叶变换。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-6 17:27:58
总之,ifa时间序列是严格平稳的,那么对于主域中的所有频率对(f,f),其二阶累积量谱K(f,f)=0。我们现在利用二阶累积量谱的性质来构造零假设的检验,即随机过程{x(tn)}是严格平稳的。我们假设时间序列已经过dem、去渲染、预白和修剪,这在频域应用中是典型的。该测试使用基频对的帧平均累积量谱,并具有简单的mptoticcomplex正态分布。为了得到累积量谱K(f,f)和谱S(f)的帧平均估计,其中(f,f)是主域中的f频率,我们使用加窗技巧:将tim e序列划分为等长的帧,计算累积量谱和每帧的谱,然后获得感兴趣的谱量的平均值。长度为T的时间序列被划分为长度为L的P=[T/L]完全非重叠帧。如果最后一个f帧的观测值小于L,则忽略它。则fra me平均累积量谱估计为^K(f,f)=PPPp=1Kp(f,f)。为了计算简单,我们将基频表示为f=k/L,0<k≤L/2,-k≤ k≤ k、 我们类似地估计了窗平均谱um,^S(fk)。根据【12】和【1】中的理论,如果L和P足够大,则帧平均光谱的预期d值等于其理论值,直至O(L-1) ,Eh^S(fk)i=S(fk)+OL-1.. 类似地,在严格平稳性下,从[12],Eh^K(K,K)i=K(K,K)+OL-1.. 此外,考虑到P帧,^K的方差等于P-1S(k)S(k)as(L,P→ ∞) fro m【12】。我们定义了归一化二阶累积量谱a s^Γ(k,k)=^k(k,k)qS(fk)s(fk)。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群