Zobrazeno 1 - 10
of 22 832
pro vyhledávání: '"Nonstationary time series"'
The TrendLSW R package has been developed to provide users with a suite of wavelet-based techniques to analyse the statistical properties of nonstationary time series. The key components of the package are (a) two approaches for the estimation of the
Externí odkaz:
http://arxiv.org/abs/2406.05012
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Li, Zijian, Cai, Ruichu, Yang, Zhenhui, Huang, Haiqin, Chen, Guangyi, Shen, Yifan, Chen, Zhengming, Song, Xiangchen, Zhang, Kun
Temporal distribution shifts are ubiquitous in time series data. One of the most popular methods assumes that the temporal distribution shift occurs uniformly to disentangle the stationary and nonstationary dependencies. But this assumption is diffic
Externí odkaz:
http://arxiv.org/abs/2402.12767
Monitoring and recognizing patterns in continuous sensing data is crucial for many practical applications. These real-world time-series data are often nonstationary, characterized by varying statistical and spectral properties over time. This poses a
Externí odkaz:
http://arxiv.org/abs/2402.05960
This paper introduces a new causal structure learning method for nonstationary time series data, a common data type found in fields such as finance, economics, healthcare, and environmental science. Our work builds upon the constraint-based causal di
Externí odkaz:
http://arxiv.org/abs/2312.17375
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Knight, Marina I.1 (AUTHOR), Nunes, Matthew A.2 (AUTHOR) m.a.nunes@bath.ac.uk, Hargreaves, Jessica K.1 (AUTHOR)
Publikováno v:
Journal of Computational & Graphical Statistics. Jul-Sep2024, Vol. 33 Issue 3, p941-954. 14p.
Autor:
Liu, Ruihan, Wang, Chen
In this article, we consider a $n$-dimensional random walk $X_t$, whose error terms are linear processes generated by $n$-dimensional noise vectors, and each component of these noise vectors is independent and may not be identically distributed with
Externí odkaz:
http://arxiv.org/abs/2308.06126
Autor:
Duda, Jarek
The real life time series are usually nonstationary, bringing a difficult question of model adaptation. Classical approaches like ARMA-ARCH assume arbitrary type of dependence. To avoid such bias, we will focus on recently proposed agnostic philosoph
Externí odkaz:
http://arxiv.org/abs/2304.03069