論文の概要: Nonlinear Hawkes Processes in Time-Varying System

• arxiv url: http://arxiv.org/abs/2106.04844v1
• Date: Wed, 9 Jun 2021 07:06:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-10 15:24:06.135048
• Title: Nonlinear Hawkes Processes in Time-Varying System
• Title（参考訳）: 時変系における非線形ホークス過程
• Authors: Feng Zhou, Quyu Kong, Yixuan Zhang, Cheng Feng, Jun Zhu
• Abstract要約: ホークス過程(英: Hawkes process)は、自己および相互興奮現象をモデル化する能力を持つ点過程のクラスである。 この研究は、状態プロセスが点プロセスと相互作用するために組み込まれているフレキシブルで非線形で非均一な変種を提案する。 推論には潜時変数拡張法を用いて2つの効率的なベイズ推論アルゴリズムを設計する。
• 参考スコア（独自算出の注目度）: 37.80255010291703
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hawkes processes are a class of point processes that have the ability to model the self- and mutual-exciting phenomena. Although the classic Hawkes processes cover a wide range of applications, their expressive ability is limited due to three key hypotheses: parametric, linear and homogeneous. Recent work has attempted to address these limitations separately. This work aims to overcome all three assumptions simultaneously by proposing the flexible state-switching Hawkes processes: a flexible, nonlinear and nonhomogeneous variant where a state process is incorporated to interact with the point processes. The proposed model empowers Hawkes processes to be applied to time-varying systems. For inference, we utilize the latent variable augmentation technique to design two efficient Bayesian inference algorithms: Gibbs sampler and mean-field variational inference, with analytical iterative updates to estimate the posterior. In experiments, our model achieves superior performance compared to the state-of-the-art competitors.
• Abstract（参考訳）: ホークス過程は、自己と相互引用現象をモデル化する能力を持つ点過程のクラスである。 古典的なホークス過程は幅広い応用をカバーしているが、その表現能力はパラメトリック、線形、等質の3つの重要な仮説によって制限されている。 最近の研究はこれらの制限を別々に解決しようと試みている。 この研究は、フレキシブルな状態スイッチング・ホークス過程、すなわち状態プロセスが点プロセスと相互作用するために組み込まれているフレキシブルで非線形で非均一な変種を提案することによって、3つの仮定を同時に克服することを目的としている。 提案したモデルは,時間変化システムに適用可能なホークスプロセスを実現する。 推定には、遅延変数拡張法を用いて、2つの効率的なベイズ推論アルゴリズムを設計する:ギブスサンプリングと平均場変動推論、そして解析的反復的更新により、後部を推定する。 実験では,最先端の競争相手に比べて優れた性能を示す。

関連論文リスト

• Flexible Parametric Inference for Space-Time Hawkes Processes [9.21863588989844]
  本稿では,これらのデータに基づいて,時空ホークスプロセスの強度関数に関わるカーネル関数のパラメータを高速かつ柔軟なパラメトリック推論手法を開発することを目的とする。
  論文  参考訳（メタデータ） (2024-06-10T23:40:16Z)
• Logistic-beta processes for dependent random probabilities with beta marginals [58.91121576998588]
  本稿では,ロジスティック・ベータプロセスと呼ばれる新しいプロセスを提案する。 空間や時間などの離散領域と連続領域の両方への依存をモデル化でき、相関カーネルを通じて柔軟な依存構造を持つ。 本研究は,非パラメトリック二分回帰と条件密度推定の例による効果をシミュレーション研究と妊娠結果応用の両方で説明する。
  論文  参考訳（メタデータ） (2024-02-10T21:41:32Z)
• Learning minimal representations of stochastic processes with variational autoencoders [52.99137594502433]
  プロセスを記述するのに必要なパラメータの最小セットを決定するために、教師なしの機械学習アプローチを導入する。 我々の手法はプロセスを記述する未知のパラメータの自律的な発見を可能にする。
  論文  参考訳（メタデータ） (2023-07-21T14:25:06Z)
• Fast Learning of Multidimensional Hawkes Processes via Frank-Wolfe [12.797408391731196]
  多次元ホークス過程の学習のためのFrank-Wolfeアルゴリズムの適応について述べる。 実験結果から,本手法は,他の一階法よりもパラメータ推定の精度が優れていた。
  論文  参考訳（メタデータ） (2022-12-12T17:57:09Z)
• Scalable and adaptive variational Bayes methods for Hawkes processes [4.580983642743026]
  本稿では,スペーサ性誘導法を提案し,一般的なシグモイドホークスプロセスに対する適応平均場変動アルゴリズムを導出する。 我々のアルゴリズムは並列性があり、したがって高次元設定では計算効率がよい。
  論文  参考訳（メタデータ） (2022-12-01T05:35:32Z)
• FaDIn: Fast Discretized Inference for Hawkes Processes with General Parametric Kernels [82.53569355337586]
  この研究は、有限なサポートを持つ一般パラメトリックカーネルを用いた時間点プロセス推論の効率的な解を提供する。 脳磁図(MEG)により記録された脳信号からの刺激誘発パターンの発生をモデル化し,その有効性を評価する。 その結果,提案手法により,最先端技術よりもパターン遅延の推定精度が向上することが示唆された。
  論文  参考訳（メタデータ） (2022-10-10T12:35:02Z)
• Differentially Private Estimation of Hawkes Process [81.20710494974281]
  本稿では,Hawkesプロセスの離散化表現に基づいて,イベントストリームデータに対する微分プライバシーの厳密な定義を導入する。 次に、2つの微分プライベート最適化アルゴリズムを提案する。これにより、Hawkesプロセスモデルに望ましいプライバシとユーティリティの保証を持たせることができる。
  論文  参考訳（メタデータ） (2022-09-15T13:59:23Z)
• Nonlinear Hawkes Process with Gaussian Process Self Effects [3.441953136999684]
  ホークスプロセスは、歴史に依存した時間-連続的な点プロセスのモデル化に使用される。 本稿では、自己影響が興奮型と抑制型の両方である拡張モデルを提案する。 我々は、ホークス過程に対するベイズ的推論の行程を継続し、我々のアプローチは、後方の分岐構造を推定する必要性を解消する。
  論文  参考訳（メタデータ） (2021-05-20T09:20:35Z)
• Hawkes Processes on Graphons [85.6759041284472]
  我々は、グランガー因果グラフに関連するホークス過程とその変種について研究する。 対応するホークスプロセスを生成し、イベントシーケンスをシミュレートすることができる。 生成した事象列と観測された事象列との間の階層的最適輸送距離を最小化することにより,提案モデルを学習する。
  論文  参考訳（メタデータ） (2021-02-04T17:09:50Z)
• Modeling of Spatio-Temporal Hawkes Processes with Randomized Kernels [15.556686221927501]
  犯罪予測や交通予測など,イベントプロセスのダイナミクスを推測する実践的応用が盛んである。 イベント発生間の励起を捕捉する能力によって一般的に使用される,社会的時間的ホークスプロセスについて紹介する。 空間カーネルの計算をランダム化変換と勾配降下で置き換え,その過程を学習する。
  論文  参考訳（メタデータ） (2020-03-07T22:21:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。