贝叶斯集成回声态网络用于增强二进制随机细胞自动机
摘要：二进制时空数据在许多应用领域中很常见。这些数据可以从多个角度考虑，包括通过确定性或随机的元胞自动机，其中局部规则控制描述0和1状态在时空中演变的转换概率。用于这类数据的随机元胞自动机的一种实现是通过空时广义线性模型（或混合模型），其中局部规则协变量包含在转换后的均值响应中。然而，在实际应用中，我们很少完全了解局部规则，将转换后的线性预测因子与潜在的时空动态过程相结合将会有所帮助。在这里，我们首次证明了回声状态网络（ESN）潜在过程可以用于增强局部规则协变量。我们在一个分层贝叶斯框架中实现了这一点，其中ESN输出权重矩阵采用正则化的马鞍胁迫先验进行建模，这也扩展了ESN文献。最后，我们通过考虑一组ESN储水池的集合来获得增加的表达能力，并通过模型平均进行适应。这在ESN文献中也是新的。我们在一个模拟过程中演示了我们的方法，其中我们假设我们不知道所有的局部CA规则，以及一个火灾演变数据集和描述美国康涅狄格州狸猫狂犬病传播的数据。
作者：Nicholas Grieshop, Christopher K. Wikle
论文ID：2306.04696
分类：Applications
分类简称：stat.AP
提交时间：2023-06-09