中文

超临界超过程的强极限类之性质

信号处理 2018-03-09 v1

摘要

X={Xt,t0;Pμ}X=\{X_t, t\ge 0; \mathbb{P}_{\mu}\} 是局部紧可分度量空间 EE 中的超临界超过程。令 ϕ0\phi_0 为对应于 XX 的均值半群生成元的首特征值 λ0\lambda_0 的正特征函数。则 Mt:=eλ0tϕ0,XtM_t:=e^{-\lambda_0t}\langle\phi_0, X_t\rangle 是一个正鞅。令 MM_\inftyMtM_t 的极限。已知 MM_\infty 非退化当且仅当满足 LlogLL\log L 条件。当 LlogLL\log L 条件可能不满足时,我们最近在 (arXiv:1708.04422) 中证明了存在 [0,)[0, \infty) 上的非负函数 γt\gamma_t 与非退化随机变量 WW,使得对 EE 上任意有限非零 Borel 测度 μ\mulimtγtϕ0,Xt=W,\mboxa.s.Pμ. \lim_{t\to\infty}\gamma_t\langle \phi_0,X_t\rangle =W,\qquad\mbox{a.s.-}\mathbb{P}_{\mu}. 本文主要研究 WW 的性质。我们证明 WW(0,)(0,\infty) 上具有严格正密度。我们还研究了 WW 的小值概率与尾概率问题。

关键词

引用

@article{arxiv.1803.02972,
  title  = {SLADS-Net: Supervised Learning Approach for Dynamic Sampling using Deep Neural Networks},
  author = {Yan Zhang and G. M. Dilshan Godaliyadda and Nicola Ferrier and Emine B. Gulsoy and Charles A. Bouman and Charudatta Phatak},
  journal= {arXiv preprint arXiv:1803.02972},
  year   = {2018}
}

备注

6 pages, 8 figures, Electronic Imaging 2018