×

具有一般状态空间的非参数平移隐马尔可夫模型的可辨识性和一致性估计。 (英语) Zbl 1510.62340号

摘要:本文考虑隐马尔可夫模型,其中的观测值是一般状态空间中的一个潜在状态和一些未知分布的独立噪声的和。结果表明,这些完全非参数翻译模型在对潜在变量进行轻尾假设的情况下,无论是潜在变量的分布还是噪声的分布都是可识别的。提出了两种非参数估计方法,并证明了对于弱收敛拓扑,相应的估计是一致的。这些结果用数值实验加以说明。

MSC公司:

2005年6月2日 马尔可夫过程:估计;隐马尔可夫模型
62G05型 非参数估计
PDF格式BibTeX公司 XML格式引用
全文: arXiv公司 链接

参考文献:

[1] N.阿克波。具有多元对数压缩排放密度的隐马尔可夫模型中的推断。工作文件,2019年。
[2] G.Alexandrovich、H.Holzmann和A.Leister。隐马尔可夫模型的非参数辨识和最大似然估计。《生物统计学》,103(2):423-4342016年·Zbl 1499.62285号
[3] 图3:根据(30)计算的L1得分。每个点都是用最小二乘法估计的值。对于每个ofr值,只要显示经验标准偏差(条形),所有运行的平均值(平方)。
[4] 图4:与X1forr=10(顶部)、r=20(中部)和r=30(底部)边际分布相关的估计概率。蓝线是观察到序列(Xk)16k6n时的经验估计值(10次蒙特卡罗运行的平均估计值)。每个点都是用最小二乘法估计的值。对于每个ofr值,只要显示经验标准偏差(条形图),所有运行的平均值(平方)。
[5] J.-P.Baudry、C.Maugis和B.Michel。斜坡启发式:概述和实现。统计与计算,22(2):455-4702012·Zbl 1322.62007年
[6] R.C.布拉德利。强混合条件的基本特性。调查和一些开放性问题。概率调查,2:107-1442005·Zbl 1189.60077号
[7] O.Capp´e、e.Moulines和T.Ryd´en。隐马尔可夫模型中的推理。Springer-Verlag,纽约,2005年·Zbl 1080.62065号
[8] R.J.Carroll和P.Hall。解卷积密度的最佳收敛速度。美国统计协会杂志,83(404):1184-11861988·Zbl 0673.62033号
[9] M.S.Crouse、R.D.Nowak和R.G.Baraniuk。基于小波的隐马尔可夫模型统计信号处理。IEEE信号处理汇刊,46(4):886-9021998。
[10] R.Dahlhaus、T.Dumont、S.Le Corff和J.C.Neddermeyer。振荡过程的统计推断。统计,51:61-832017·Zbl 1369.62222号
[11] R.Dahlhaus、I.Z.Kiss和J.C.Neddermeyer。关于协整理论与相位同步理论之间的关系。ArXiv:12011.06512018年。
[12] Y.De Castro,´E。Gassiat和C.Lacour。非参数隐马尔可夫模型的极小极大自适应估计。机器学习研究杂志(JMLR),17(111):1-432016·Zbl 1419.62209号
[13] J.Dedecker、A.Fischer和B.Michel。在一维普通平滑误差下,Wasserstein反褶积的速度有所提高。《电子统计杂志》,9(1):234-2652015·兹比尔1307.62092
[14] A.P.Dempster、N.M.Laird和D.B.Rubin。通过EM算法从不完整数据中获得最大似然(带讨论)。J.皇家统计师。社会系列B,39:1-381977·Zbl 0364.62022号
[15] L.德夫罗伊。密度估计中的一致反褶积。加拿大统计杂志,17(2):235-2392989·Zbl 0679.62029号
[16] R.Douc,´E。Moulines和T.Ryden。马尔可夫状态自回归模型中极大似然估计的渐近性质。《统计年鉴》,32:2254-2304,2004年·Zbl 1056.62028号
[17] R.Douc,´E。Moulines和D.Stoffer。非线性时间序列:理论、方法和应用,附R个例子。CRC出版社,2014年·Zbl 1306.62026号
[18] P.Doukhan、P.Massart和E.Rio。强混合过程的函数中心极限定理。《意大利年鉴》。H.P.,30:63-821994年·Zbl 0790.60037号
[19] P.Doukhan、P.Massart和E.Rio。绝对正则经验过程的不变性原则。《意大利年鉴》。H.P.,31:393-4271995年·Zbl 0817.60028号
[20] T.Dumont和S.Le Corff。隐藏φ混合变量的非参数回归:基于伪似然估计程序的可识别性和一致性。伯努利,23(2):990-10212017·Zbl 1380.62168号
[21] J.范。关于非参数反褶积问题的最优收敛速度。《统计年鉴》,19(3):1257-12721991年·Zbl 0729.62033号
[22] J.Fell和N.Axmacher。相位同步在记忆过程中的作用。神经科学自然评论。,12(2):2011年第105-118页。
[23] E.Gassiat和J.Rousseau。非参数有限平移隐马尔可夫模型及其扩展。伯努利,22(1):193-212016·Zbl 1388.62243号
[24] E.Gassiat、A.Cleynen和S.Robin。有限状态空间非参数隐马尔可夫模型的推理及其应用。统计与计算,26(1-2):61-712016·Zbl 1342.62141号
[25] E.Gassiat、S.Le Corff和L.Leh´ericy。对于多元信号,具有未知噪声分布的反卷积是可能的。提交日期:2020年。
[26] Y.Hu和S.M.Schennach。非经典测量误差模型的仪器变量处理。《计量经济学》,76(1):195-216,2008年·Zbl 1132.62101号
[27] Y.Hu和M.Shum。具有未观测状态变量的动态模型的非参数识别。《计量经济学杂志》,171(1):32-442012年·Zbl 1443.62469号
[28] C.Igel、N.Hansen和S.Roth。多目标优化的协方差矩阵自适应。进化计算,11:1-282007。
[29] A.F.卡尔。马尔可夫链序列的弱收敛性。Zeitschrift f¨ur Wahrscheinlichkeits theorie und Verwandte Gebiete,33(1):41-481975年·Zbl 0297.60032号
[30] M.F.Lambert、J.P.Whiting和A.V.Metcalfe。用于气候状态识别的非参数隐马尔可夫模型。水文与地球系统科学,7:652-6672003。
[31] R.Langrock、T.Kneib、A.Sohn和S.L.DeRuiter。基于p-样条的隐马尔可夫模型中的非参数推理。生物计量学,71(2):520-5282015·Zbl 1390.62045号
[32] R.Langrock、T.Kneib、R.Glennie和T.Michelot。Markov开关广义可加模型。统计与计算,27(1):259-270,2017年·Zbl 1505.62239号
[33] L.Leh´ericy。非参数隐马尔可夫模型的逐状态极大极小自适应估计。机器学习研究杂志(JMLR),2018年·Zbl 1467.62137号
[34] L.Leh´ericy。错误指定非参数隐马尔可夫模型MLE的非渐近控制。arXiv:1807.039972018。提交。
[35] M.Levine、D.R.Hunter和D.Chauveau。多元混合的最大平滑似然。《生物特征》,第403-416页,2011年·Zbl 1215.62055号
[36] M.C.Liu和R.L.Taylor。反褶积问题的一致非参数密度估计。加拿大统计杂志,17(4):427-4381989·Zbl 0694.62017号
[37] R核心团队。R: 统计计算的语言和环境。R统计计算基金会,奥地利维也纳,2017年。统一资源定位地址https://www.R-project.org/。
[38] L.R.拉宾纳。语音识别中隐藏马尔可夫模型和选定应用的教程。IEEE会议录,第257-286页,1989年。
[39] S.T.Rachev和L.R–uschendorf.质量运输问题。第二卷。概率及其应用(纽约)。Springer-Verlag,纽约,1998年。应用程序·Zbl 0990.60500号
[40] S.S?阿克?a。贝叶斯滤波与平滑。剑桥大学出版社,美国纽约州纽约市,2013年·Zbl 1274.62021号
[41] S.S?arkk?a、a.Vehtari和J.Lampinen。用于多目标跟踪的Rao-Blackwellized粒子滤波器。信息融合,8(1):2-152007。
[42] D.Schuhmacher、B.Bhre、C.Gottschlich、V.Hartmann、F.Heinemann和B.Schmitzer。交通:最佳交通计划和瓦瑟斯坦距离的计算,2019年。统一资源定位地址https://cran.r-project.org/package=transport。R包版本0.11-1。
[43] W.Shen、S.T.Tokdar和S.Ghosal。Dirichlet混合的自适应贝叶斯多元密度估计。Biometrika,100(3):623-64012013·Zbl 1284.62183号
[44] L.Stefanski和R.J.Carroll。去卷积核密度估计量。统计学,21(2):169-1841990·Zbl 0697.62035号
[45] E.M.Stein和R.Shakarchi。复杂分析。普林斯顿大学出版社,普林斯顿,2003年·Zbl 1020.30001号
[46] A.图伦。季节性隐马尔可夫模型中最大似然估计量的一致性。《统计与计算》,2019年第1-21页。
[47] 范德法特。渐近统计学,统计和概率数学剑桥系列第3卷。剑桥大学出版社,剑桥,1998年·Zbl 0910.62001号
[48] C.维拉尼。《数学科学基本原理》第338卷《最佳运输》。Springer-Verlag,柏林,2009年。旧的和新的·Zbl 1156.53003号
[49] S.Volant、C.B´erard、M.-L.Martin-Magniete和S.Robin。将混合物作为排放分布的隐马尔可夫模型。统计与计算,24(4):493-5042014·Zbl 1325.62157号
[50] X.Wang,´E。Lebarbier、J.Aubert和S.Robin。用于拷贝数变化联合检测的耦合隐马尔可夫模型的变分推理。arXiv:1706.067422017年。
[51] D.威廉。具有测量误差的非参数面板数据回归的识别和估计。预印CWP34/152015。
[52] C.Yau、O.Papaspiliopoulos、G.O.Roberts和C.Holmes。贝叶斯非参数隐马尔可夫模型及其在基因组学中的应用。J.皇家统计师。社会系列B,73:1-212011。
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。