阿法特

ARfit是一个Matlab模块的集合,用于用自回归(AR)模型建模和分析多变量时间序列。给出了模型的特征模,并对模型进行了拟合。ARfit从给定的时间序列数据中估计AR模型的参数,这是一种计算效率高的逐步最小二乘算法,特别是当数据是高维数据时。ARfit模块为估计的参数构造近似的置信区间,并计算统计数据,用以评估拟合模型的充分性。模型时间序列的动态特性可以通过将拟合的AR模型分解为特征模态和相关的振荡周期、阻尼时间和激励来检验。对拟合模型进行特征分解的ARfit模块还为本征模及其振荡周期和阻尼时间构造近似置信区间。


zbMATH中的参考文献(参考 37篇文章 37篇,第1条标准)

显示结果1到20,共37个。
按年份排序(引用)
  1. 萧晓芬、黄小芬、黄江川、林郑伟:基于自举神经网络的投资组合构建:来自全球股市的证据(2020)
  2. Hu,Guannan;Bódai,Tamás;Lucarini,Valerio:随机参数化对极值统计的影响(2019年)
  3. 卡布兹,西蒙娜;阿布鲁,朱塞佩:多元随机过程预测的因果推理(2018)
  4. Matsuda,Takeru;Komaki,Fumiyasu:多变量时间序列分解为振荡分量(2017)
  5. Cremers,Daniel:图像分割与形状先验:显式与隐式表示(2015)
  6. Harlim,John;Hong,Hoon;Robbins,Jacob L.:构造稳定一致自回归滤波器的代数方法(2015)
  7. Graef,A.;Hartmann,M.;Flamm,C.;Baumgartner,Christoph;Deistler,M.;Kluge,T.:识别多通道ECoG同步效应的新方法及其在癫痫中的应用(2013)
  8. 何琳;俞卓亮;顾振辉;李元庆:基于长尾分布的高光谱图像多尺度多波段自回归检测(2013)
  9. 李新阳;张海红;关存泰;翁思恒;安启铿;潘耀章:运动图像脑电分析的传播与空间模式判别学习(2013)
  10. Anagnostopoulos,Christos;Hadjiefthymiades,Stathes;Georgas,Panagiotis:PC3:基于主成分的上下文压缩。提高无线传感器网络的能效(2012)
  11. Meerbach,Eike;Latorre,Juan C.;Schütte,Christof:分子动力学轨迹中的序列变化点检测(2012)
  12. Orsingher,Enzo;Polito,Federico:泊松过程和分数泊松过程的组成、随机和和和连续随机分数(2012)
  13. Szabó,Zoltán;Póczos,Barnabás;Lőrincz,András:独立子空间分析的分离定理及其结果(2012)
  14. Galka,Andreas;Wong,Kin Foon Kevin;Ozaki,Tohru;Muhle,Hiltrud;Stephani,Ulrich:通过状态空间模型分解神经多变量时间序列(2011)
  15. García-Hiernaux,Alfredo:使用子空间方法预测线性动力系统(2011)
  16. Gençaíaïaïaïaïaïaïaïaïaïaïaïaïaïaïaïaïa
  17. Ndiour,Ibrahima J.;Teizer,Jochen;Vela,Patricio A.:在线视觉跟踪的概率轮廓观察者(2010)
  18. Szabó,Zoltán;Póczos,Barnabás;Lőrincz,András:无组合努力的自回归独立过程分析(2010)ioport公司
  19. Taxidis,Jiannis;Coomber,Ben;Mason,Rob;Owen,Markus:使用广义部分定向一致性评估麻醉和海人酸下的皮质-海马功能连接(2010)
  20. Zemouri,Ryad;Patic,Paul Ciprian:时间序列预测的预测误差反馈:提高预测准确性的方法(2010)