Jun, 2023

自回归低秩张量模型切换

PDF
TL;DR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。
time-series analysisprobabilistic modelsautoregressive hidden markov modelsswitching linear dynamical systemssalt models
发现论文，激发创造
  • 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

  • 降秩隐马尔可夫模型

    本研究介绍了一种名为 Reduced-Rank Hidden Markov Model 的模型，它是隐马尔可夫模型和线性动态系统的一般化，可被广泛应用于多变量连续型数据的建模和机器视觉模型问题。同时，我们提出一种基于谱方法的算法，可以用于学习这个模型，达到了高准确性和高效率的模拟和预测效果。

    Oct, 2009

  • 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

  • 液体结构状态空间模型

    本文介绍了一种新的状态空间结构 Liquid-S4 ，它可以通过对状态转移矩阵的对角线及低秩分解进一步提高序列建模任务的表现，达到了 Long-Range Arena 基准测试的最新水平，并在 Speech Command 识别数据集上实现了 96.78% 的精度。

    Sep, 2022

  • 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

  • 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

  • 用于动态变化场景的隐式参数循环状态空间模型

    介绍了一种名为 HiP-RSSMs 的框架，将相关动态系统参数化为低维潜在因素，并在真实世界的控制任务和仿真中表现出优于 RSSMs 和其他多任务模型的动态行为。

    Jun, 2022

  • 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

  • 短期交通流量预测的混合隐马尔可夫 LSTM 模型

    这篇研究提出了一种混合隐藏马尔可夫 - LSTM 模型，用于交通流预测，相比于传统方法，如 Markov 切换 ARIMA 和 LSTM，该模型具有显着的性能提升。

    Jul, 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