Mar, 2010

贝叶斯非参数推断的线性动态系统转换

PDF
TL;DR使用贝叶斯非参数方法，将层次狄利克雷过程先验应用于两种切换动态模型，学习未知的持续光滑动态模式，同时推断动态依赖性的稀疏集，以学习具有变化状态维数的切换线性动态系统或具有变化自回归顺序的切换 VAR 过程，最终通过舞蹈蜜蜂序列、IBOVESPA 股票指数和机动目标跟踪应用程序展示模型的效用和灵活性
发现论文，激发创造
  • 循环切换线性动态系统

    通过将数据分解为由简单动态单元解释的片段并研究这些切换的行为，我们展示了一种新的模型类型 —— 递归式切换线性动态系统，以提供更深入的洞察力，并利用近年来的算法进展在这些模型中使用近似推理使贝叶斯推理变得轻松、快速且可扩展。

    Oct, 2016

  • 变分贝叶斯滤波的切换线性动力学

    利用贝叶斯推断、变分自动编码器和具体松弛技术，学习从局部和高维观察中获取更全面和有意义的状态空间，从而提高在各种模拟任务中学习的动态准确性的能力。

    May, 2019

  • 用于多尺度建模的树状结构循环切换线性动力学系统

    研究了一种多尺度的树形递归开关线性动态系统，使用贝叶斯采样程序和 Polya-Gamma 数据增强实现贝叶斯推断。这种模型旨在同时提供可解释的描述和更准确的预测，通过一系列合成和真实的案例，展示了这种模型在解释性和预测能力上优于现有的方法。

    Nov, 2018

  • 非线性切换动态系统的坍缩摊销变分推理

    该研究提出了一种高效的推理方法，其中关键点是学习一个推理网络，该网络可用作连续潜变量的提案分布，并对离散潜变量进行精确边缘化。通过使用重参数化技巧和随机梯度下降的端到端训练，我们表明这种方法可以成功地将时间序列数据进行分割，包括视频和三维人体姿势，以实现有意义的 “制度”。

    Oct, 2019

  • 连续时间切换动态系统的马尔可夫链蒙特卡罗方法

    该文提出了一种基于马尔科夫链蒙特卡罗方法的新型推断算法，用于在连续时间模型中获得精确的后验过程的样本，实现了贝叶斯参数估计，并估计了扩散协方差。

    May, 2022

  • 自回归低秩张量模型切换

    本论文提出了一种名为 SALT 模型的概率模型，用于对具有时间变化动态的系统进行的时间序列分析，并在各种模拟和真实预测任务上表现出优越性。

    Jun, 2023

  • 马尔可夫方差转换的自适应时间序列预测

    基于在线学习理论，我们提出了一种新的估计方差的方法，可以适应时间变化。我们将提出的方法应用于合成数据和电力负荷预测问题，结果表明该方法对误差设定具有鲁棒性，并且优于传统的专家聚合方法。

    Feb, 2024

  • 稀疏线性动力系统及其在多元临床时间序列中的应用

    本研究提出了一种在最大后验 (MAP) 框架下，采用基于一般化梯度下降法的期望最大化 (EM) 算法，对线性动态系统的转移矩阵进行 L1 正则化来减轻隐藏状态数量选择问题的方法，这种 Sparse Linear Dynamical System (SLDS) 增强了对于临床多元时间序列数据的预测性能，相较于普通 LDS 模型。

    Nov, 2013

  • 图切换动态系统

    本篇论文提出了一种基于动态图表征物体之间的交互，并学习物体之间及物体内模式转换行为的图切换动力系统 (GRASS) 方法，并使用合成的 ODE 驱动的粒子数据集和现实世界的 Salsa 情侣舞蹈数据集为例，证明了该方法的优越性。

    Jun, 2023

  • 随机微分方程的近似贝叶斯学习

    使用高斯过程作为灵活的模型并使用高斯过程回归直接从稠密数据集中计算估计，开发出一种非参数方法来估计随机微分方程组中的漂移和扩散函数，并开发了一种近似的期望最大化算法来处理稀疏观察之间的未观察到的潜在动态。

    Feb, 2017