BriefGPT - AI 论文速递
·
负二项随机伽玛马尔科夫过程用于异质超离散计数时间序列
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
该研究提出了一种新的模型来改善动力学系统的预测性能和推理算法的收敛速度。该模型使用负二项式随机化的伽马马尔科夫过程来建模计数数列的转换结构和爆发性动态。同时，该模型还能够估计基于因子结构和图结构的转换动态，以获得更可解释的潜在结构，并且能够更好地填补缺失数据和预测未来观测。
🎯
关键要点
- 提出了一种新的模型来改善动力学系统的预测性能和推理算法的收敛速度。
- 该模型使用负二项式随机化的伽马马尔科夫过程来建模计数数列的转换结构和爆发性动态。
- 模型能够估计基于因子结构和图结构的转换动态，以获得更可解释的潜在结构。
- 该模型比相关模型更好地填补缺失数据和预测未来观测。
➡️
