Sparse Approximate Inference for Spatio-Temporal Point Process Models
Sparse Approximate Inference for Spatio-Temporal Point Process Models
复制标题
时空点过程模型的稀疏近似推理
DOI：
10.1080/01621459.2015.1115357
复制
发表时间：
2017
影响因子：
3.7
通讯作者：
Cseke B
中科院分区：
文献类型：
--
作者：
Cseke B
时空对数-高斯-考克斯过程模型在几个学科的空间分布系统分析中发挥着核心作用。然而，由于通常所需的高分辨率建模和分析上难以处理的似然函数，可伸缩推理在计算上仍然具有挑战性。在这里，我们利用近似消息传递算法来开发(空间)离散化的对数-高斯-考克斯过程模型的典型稀疏结构。所提出的算法在适度损失分布精度的情况下，很好地适应了状态维度和时间视界长度的变化。因此，它们为非线性滤波-平滑型算法和在(块)稀疏潜在高斯模型上实现拉普拉斯方法或期望传播的方法提供了灵活和更快的替代方案。我们使用结构化的变分贝叶斯方法来推断潜在的高斯模型的参数。我们演示了基于高斯和点过程观察的模拟研究的拟议框架，并使用它从维基解密阿富汗战争日记中重建阿富汗的冲突强度和动态。这篇文章的补充材料可以在网上找到。
Spatio-temporal log-Gaussian Cox process models play a central role in the analysis of spatially distributed systems in several disciplines. Yet, scalable inference remains computationally challenging both due to the high-resolution modeling generally required and the analytically intractable likelihood function. Here, we exploit the sparsity structure typical of (spatially) discretized log-Gaussian Cox process models by using approximate message-passing algorithms. The proposed algorithms scale well with the state dimension and the length of the temporal horizon with moderate loss in distributional accuracy. They hence provide a flexible and faster alternative to both nonlinear filtering-smoothing type algorithms and to approaches that implement the Laplace method or expectation propagation on (block) sparse latent Gaussian models. We infer the parameters of the latent Gaussian model using a structured variational Bayes approach. We demonstrate the proposed framework on simulation studies with both Gaussian and point-process observations and use it to reconstruct the conflict intensity and dynamics in Afghanistan from the WikiLeaks Afghan War Diary. Supplementary materials for this article are available online.
登录
查看更多内容
基于连续和点过程观测的时空系统变分估计
影响因子：
5.4
作者：
Andrew Zammit;G. Sanguinetti;V. Kadirkamanathan
通讯作者：
V. Kadirkamanathan
DOI：
--
发表时间：
--
期刊：
--
影响因子：
--
作者：
H. Wist;H. Rue
通讯作者：
H. Wist;H. Rue
内战中暴力的扩散模式
DOI：
--
发表时间：
2011
期刊：
影响因子：
--
作者：
Sebastian Schutte;Nils B. Weidmann
通讯作者：
Nils B. Weidmann
影响因子：
--
作者：
พงศ์ศักดิ์ บินสมประสงค์
通讯作者：
พงศ์ศักดิ์ บินสมประสงค์
具有部分旋转的稀疏 LU 的嵌套剖析排序
影响因子：
1.5
作者：
Igor Brainman;Sivan Toledo
通讯作者：
Sivan Toledo