从时移信号中稳健且高度可扩展地估计方向耦合
原文中文，约300字，阅读约需1分钟。发表于：。使用变分贝叶斯框架，我们通过边际化延迟的不确定性，提供了对网络节点之间的定向耦合估计问题的解决方案。通过使用混合 - VI 方案，我们能够对测量参数的后验分布进行估计，同时使用基于梯度的高度可扩展的 VI 估计耦合的条件后验分布。在我们的基准实验中，我们展示了网络能够可靠且保守地估计耦合，明显优于回归 DCM 等相似方法。
本文提出了一种新的过滤方法，用于处理高维度的非高斯状态空间模型、非线性且可能是混沌动力学以及空间与时间稀疏的观测。该方法使用交通测度、凸优化和概率图模型的思想，产生高维度下的坚韧的集成近似过滤分布。该方法在混沌区域的Lorenz-96模型的挑战配置下实现了最先进的跟踪性能。
