Core Concepts
時変パラメトリック予測モデルに対して、非線形最小二乗法を用いた最適な非漸近的予測誤差解析を提供する。
Abstract
本論文では、時変パラメトリック予測モデルに対する非線形最小二乗法の最適な非漸近的解析を行っている。
主な内容は以下の通り:
入力プロセスの安定性を表す依存性行列の概念を導入し、その性質に基づいた仮定を設定している。
回帰関数の滑らかさや識別可能性に関する仮定を設けている。
非線形最小二乗法の予測誤差に対して、最適な非漸近的上界を導出している。この上界は既知の漸近的結果と定数倍の違いしかなく、高次の項が無視できるほど小さくなる。
提案手法を自己回帰移動平均(ARMA)モデルに適用し、ARMA モデルの最適な非漸近的同定結果を示している。
全体として、時変パラメトリック予測モデルに対する非線形最小二乗法の最適な非漸近的解析を初めて提供しており、特にARMAモデルの同定問題に新たな知見をもたらしている。
Stats
時変パラメトリック予測モデルの入力プロセスの依存性行列のスペクトルノルムは、時間 T に対して多項式的に増大する。(式(7a))
時変パラメトリック予測モデルのパラメータ空間の次元は dθ、ノイズの条件付き部分ガウス性パラメータは σw、パラメータ空間の半径は Bθ である。(式(7b))
時変パラメトリック予測モデルの回帰関数の滑らかさパラメータは L1、L2、L3 である。また、識別可能性パラメータは a、ノイズ励起の下限は λ0 である。(式(7c))