估计具有跳跃的网络
摘要：在本文中，我们研究了估计非平稳时间序列数据中的时变系数和结构（VCVS）图模型的问题，例如相互作用个体的社会状态或基因网络的微阵列表达谱。与当前结构估计文献中广泛考虑的不变模型的i.i.d.数据不同，我们考虑模型以分段常数方式演化的场景。我们提出了一种最小化所谓的TESLA损失（即时间平滑的L1正则化回归）的程序，该程序允许同时估计VCVS模型的分区边界和每个分区上的稀疏精度矩阵的系数。提出了一种高度可扩展的近端梯度方法来解决所得凸优化问题；并且首次为这类估计量建立了稀疏实现估计和分区边界以及网络结构的收敛速度的条件。
作者：Mladen Kolar and Eric P. Xing
论文ID：1012.3795
分类：Machine Learning
分类简称：stat.ML
提交时间：2010-12-21