PulseAugur
中
实时 09:17:52
English(EN) Online Learning of Scale Parameters in Score-Driven Filters

新研究探索评分驱动滤波器的在线学习

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新发表在arXiv上的研究论文详细介绍了评分驱动滤波器在线学习的进展。该研究通过将增益参数视为一个决策变量来优化它，该参数控制着这些滤波器中的更新幅度。研究人员开发了一种使用Kullback-Leibler目标和镜像下降几何的方法来建立动态遗憾界限，在模拟和预测股票指数波动性等实际应用中显示出性能的提高。 AI

影响 这项研究可能带来更具适应性和准确性的金融市场和其他时间序列分析应用中的预测模型。

排序理由 该集群包含一篇发表在arXiv上的研究论文，详细介绍了一种用于评分驱动滤波器在线学习的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新研究探索评分驱动滤波器的在线学习

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Fabrizio Lillo, Giulia Livieri, Gianluca Palmari ·

    Score-Driven Filters中尺度参数的在线学习

    arXiv:2608.09218v1 Announce Type: cross Abstract: Score-driven filters multiply a scaled log-likelihood score by a gain that controls the update magnitude. We treat this gain as a decision variable and study its online learning. Conditional on the current state, observation, scor…

相关实体

相关话题