学习具有记忆的高维马尔可夫过程的影响图
原文中文，约300字，阅读约需1分钟。发表于：。基于对多个应用程序在社交网络、神经系统和金融风险分析中的动机，我们研究了学习具有内存的高维多元离散时间马尔可夫过程的底层（有向）影响图或因果图的问题。我们将一个已有的算法扩展到这种带有内存的马尔可夫设定中，并证明了在影响图的度受限制的条件下，它可以基于二进制观测量学习影响图，在样本复杂度上具有对数（相对于变量或节点数量）的要求。本工作的重要分析贡献是通过上界和下界约束观测到的带有内存的马尔可...
本文研究了学习具有内存的高维多元离散时间马尔可夫过程的底层影响图或因果图的问题，并证明了在影响图的度受限制的条件下，可以基于二进制观测量学习影响图，并具有对数样本复杂度要求。通过上界和下界约束观测到的带有内存的马尔可夫过程相对于影响图参数的收敛速率来导出样本复杂度结果。
