发现多个时间序列的潜在协方差结构
摘要：多元时间序列数据的分析在金融、制造和行政决策等复杂系统的预测未来事件和变化中是非常重要的。高斯过程（GP）回归方法通过组合协方差结构显著提高了表达能力。在本文中，我们提出了一种新的GP模型，通过在共享核函数存在方面上放置一个印度自助餐过程（IBP）先验来自然处理多个时间序列。我们的选择性协方差结构分解允许在一组多个经选出的时间序列上利用共享参数。我们还研究了引入无限潜在成分时模型的良定义性。我们提出了一种实际的搜索算法，高效地探索了更大的结构空间。在五个真实数据集上进行的实验证明，我们的新模型在结构发现和预测性能方面优于现有方法。
作者：Anh Tong and Jaesik Choi
论文ID：1703.09528
分类：Machine Learning
分类简称：stat.ML
提交时间：2019-05-23