用于霍克斯过程混合模型的对抗式自步学习
机器学习
2019-06-21 v1 机器学习
摘要
我们提出了一种用于霍克斯过程混合模型的新型对抗学习策略，在自步学习框架中利用霍克斯过程的数据增强技术。所提方法不直接从抽取自不同霍克斯过程的一组事件序列中学习混合模型，而是迭代地学习目标模型，其生成“简单”序列并以对抗式和自步方式使用它们。在每次迭代中，我们首先从原始观测序列生成一组增强序列。基于目标模型的简单样本可能是误设模型的对抗样本这一事实，我们应用带有对抗式自步机制的最大似然估计。以此方式更新目标模型，并采用服从该模型的增强序列用于下一次学习迭代。实验结果表明所提方法一致优于传统方法。
引用
@article{arxiv.1906.08397,
title = {Adversarial Self-Paced Learning for Mixture Models of Hawkes Processes},
author = {Dixin Luo and Hongteng Xu and Lawrence Carin},
journal= {arXiv preprint arXiv:1906.08397},
year = {2019}
}