Time Varying Regression with Hidden Linear Dynamics
Time Varying Regression with Hidden Linear Dynamics
复制标题
DOI：
--
复制
发表时间：
2021-12
期刊：
影响因子：
--
通讯作者：
Horia Mania;A. Jadbabaie;Devavrat Shah;S. Sra
中科院分区：
文献类型：
--
作者：
Horia Mania;A. Jadbabaie;Devavrat Shah;S. Sra
我们重新审视时变线性回归模型，假设未知参数根据线性动力系统演化。反直觉地，我们表明，当基本的动力学是稳定的，这个模型的参数可以估计数据相结合，只有两个普通的最小二乘估计。我们提供了一个有限的样本保证我们的方法的估计误差，并讨论了一定的优势，它比期望最大化（EM），这是以前的工作提出的主要方法。
We revisit a model for time-varying linear regression that assumes the unknown parameters evolve according to a linear dynamical system. Counterintuitively, we show that when the underlying dynamics are stable the parameters of this model can be estimated from data by combining just two ordinary least squares estimates. We offer a finite sample guarantee on the estimation error of our method and discuss certain advantages it has over Expectation-Maximization (EM), which is the main approach proposed by prior work.