中文

关于多维可调和稳定序列插值的问题

计算机与社会 2025-02-25 v1 人工智能

摘要

我们考虑对函数 ANξ=j=0N(a(j))ξ(j)A_N \vec{\xi} =\sum_{j = 0}^{N} (\vec{a}(j))^{\top} \vec{\xi}(j) 进行最优线性估计的问题,该函数取决于向量值可调和对称 α\alpha -稳定随机序列 ξ(j)={ξk(j)}k=1T\vec{\xi}(j)=\left \{ \xi_ {k} (j) \right \}_{k = 1} ^ {T} 的未知值 ξ(j),j=0,1,,N\vec{\xi}(j),j=0,1,\dots,N,通过对序列 ξ(j)+η(j)\vec{\xi}(j)+\vec{\eta}(j) 在点 jZ{0,1,,N}j\in\mathbb Z\setminus\{0,1,\dots,N\} 上的观测来实现。我们考虑具有绝对连续谱测度的互相独立的向量值可调和对称 α\alpha -稳定随机序列 ξ(j)={ξk(j)}k=1T\vec{\xi}(j)=\left \{ \xi_ {k} (j) \right \}_{k = 1} ^ {T}η(j)={ξk(j)}k=1T\vec{\eta}(j)=\left \{ \xi_ {k} (j) \right \}_{k = 1} ^ {T},其谱密度 f(θ)f(\theta)g(θ)g(\theta) 满足最小化条件。

关键词

引用

@article{arxiv.2502.15715,
  title  = {Regulating Multifunctionality},
  author = {Cary Coglianese and Colton R. Crum},
  journal= {arXiv preprint arXiv:2502.15715},
  year   = {2025}
}

备注

Forthcoming in Philipp Hacker, Andreas Engel, Sarah Hammer and Brent Mittelstadt (eds), The Oxford Handbook on the Foundations and Regulation of Generative AI (Oxford University Press)