非参数贝叶斯动态建模的关系数据
摘要：非参数贝叶斯动态模型的推断和预测是对关系结构的关注点，可以通过降低维度来描述二进制矩阵。这个模型通过高斯过程使潜在坐标在连续时间中演化。利用从概率矩阵空间到潜在关系空间的逻辑映射函数，得到一种灵活且易于计算的表达形式。通过使用泊松-伽玛数据增广，开发了一个高效的Gibbs采样器，用于后验计算，同时自动推断潜在空间的维度。我们提供了关于模型灵活性的一些理论结果，并通过模拟实验证明了其性能。我们还考虑了在世界金融市场中的共同动向应用。
作者：Daniele Durante, David B. Dunson
论文ID：1311.4669
分类：Machine Learning
分类简称：stat.ML
提交时间：2018-09-11