Apr, 2023

CEBoosting: 用因果熵 Boosting 在含有状态转移的动态系统中在线实现稀疏辨识

PDF
TL;DR本文提出了一种因果熵增强（CEBoosting）策略，通过在线模型识别促进了政权转移的检测和与新政权相关的动态发现。利用因果熵指标可以高效地计算识别政权转移，并且所提出的算法还可以适应局部观测情况和非线性模型。
regime switchingcausation entropy boostingonline model identificationparameter estimationdata assimilation
发现论文，激发创造
  • 采用 Copula 熵的系统辨识

    本文介绍了一种基于 Copula Entropy 的新的变量选择方法，应用于识别动态系统的微分方程。该方法具有非参数和无超参数的特点。通过模拟实验，证明了该方法的有效性。

    Apr, 2023

  • 使用高阶 Markov 切换模型识别非平稳因果结构

    通过建立高阶马尔可夫切换模型的可辨识性，我们提出了基于制度依赖因果关系的发现方法，并通过实证研究展示了该方法在高阶制度依赖结构估计上的可扩展性，并对脑活动数据的适用性进行了说明。

    Jun, 2024

  • 因果连续治疗效应估计的时空熵平衡

    基于灵活的时间空间网格划分技术，本研究提出了一种以连续熵平衡为基础的因果连续处理的时空熵平衡方法（TS-EBCT），经过实验证明，在城市货运领域应用 TS-EBCT 方法后，因果效应的预测准确性显著提高，为公司的补贴和定价策略带来良好的商业利益。

    Dec, 2023

  • 从数据自动识别动力系统

    本文提出了一种方法，通过集成去噪技术、稀疏回归和自举置信区间来自动识别动力学定律，从而在物理、生物科学以及工程等各领域中有望影响对复杂系统的理解。

    Apr, 2023

  • 熵因果推断：可识别性和有限样本结果

    该研究介绍了熵因果推断的框架和可辨识性假设，利用实验证明了在大多数因果模型中，当外生变量的熵不随观测变量状态数增加而增加时，可以通过观测数据确定因果方向。同时，该研究第一次通过有限数量的样本证明了算法可辨识性保证，还考虑了在理论假设方面进行改进的鲁棒性评估和样本量问题。

    Jan, 2021

  • 通过分层循环切换状态模型发现同步时间序列中的群体动力学

    我们提出了一种新的层次切换状态模型，可以以无监督方式进行训练，同时解释系统层面和个体层面的动态，通过观测到的链条在实体和系统层面之间的反馈来提高灵活性，通过实验验证了模型在预测未来个体行为方面的优越性，并能解释群体动态。

    Jan, 2024

  • 贝叶斯非参数推断的线性动态系统转换

    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

    Mar, 2010

  • 基于稀疏回归和信息准则的动态系统模型选择

    利用稀疏非线性动力学算法和信息准则对动力学系统进行模型选择，自动且有原则地选择得到强支持的模型，这个方法能够准确地鉴别出多个基本动力学系统，包括一个 SEIR 疾病模型和 Lorenz 方程。

    Jan, 2017

  • 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

  • 熵因果推断

    针对使用观测数据确定两个离散随机变量之间的因果方向的问题，我们在最一般的函数模型条件下，在未观测到的外源变量上作出简化假设，使用 Rényi 熵来量化其简单性。我们的主要结果是，如果该外源变量在正确的方向上的 H0（熵）熵较低，那么它在错误方向上的 H0 熵一定较高。我们提出了一种基于最小熵耦合问题的贪心算法，用于找到具有最小熵的外源变量，并将其应用于因果推断问题。

    Nov, 2016