BriefGPT - AI 论文速递
·
多维标记霍克斯过程的非参数估计
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种对Hawkes过程的扩展，通过将自激励水平视为随机微分方程，可以更好地逼近事件和强度相互加速且传染性相关水平的应用领域。文章提出了一种算法来模拟具有随机激发水平的Hawkes过程，并提出了混合马尔可夫链蒙特卡罗方法来拟合模型。通过几何布朗运动和指数朗之万动力学的传染研究进行了说明。
🎯
关键要点
-
将自激励水平视为随机微分方程，扩展Hawkes过程。
-
新点过程更好地逼近事件和强度相互加速且传染性相关的应用领域。
-
推广了一种用于模拟具有随机激发水平的Hawkes过程的算法。
-
提出了混合马尔可夫链蒙特卡罗方法来拟合模型。
-
采样过程与所需事件的数量呈线性比例，不需要点过程的平稳性。
-
提出了由Gibbs和Metropolis Hastings步骤组合而成的模块化推断过程。
-
期望最大化作为特例进行说明。
-
通过几何布朗运动和指数朗之万动力学的传染研究进行说明。
🏷️
标签
➡️
