基于模拟退火法评估数据序列中的强测量噪声
数据分析、统计与概率
2013-01-01 v1
摘要
许多随机时间序列可由包含确定性部分和随机动力学部分的朗之万方程描述。此类随机过程可通过最近引入的非参数方法进行重构，从而提高可预测性，即获得宏观漂移函数和微观扩散函数的知识。若随机过程的测量受到额外强测量噪声的影响，则无法应用该重构过程。在此，我们提出一种在强测量噪声存在下重构随机过程的方法，该方法基于适当参数化的试探函数。该过程的核心是最小化包含来自测量数据的条件矩的项与相应试探函数之间的泛函距离。结果表明，通过模拟退火过程最小化该距离，其效果优于先前使用的 Levenberg-Marquardt 算法，从而实现了随机过程的快速且可靠的重构。
引用
@article{arxiv.1212.6356,
title = {Evaluating strong measurement noise in data series with simulated annealing method},
author = {J. Carvalho and F. Raischel and M. Haase and P. G. Lind},
journal= {arXiv preprint arXiv:1212.6356},
year = {2013}
}