基于最小预测信息正则化发现非线性关系
机器学习
2020-01-08 v1 机器学习
摘要
从具有非线性交互和复杂关系结构的观测时间序列中识别底层有向关系，对广泛应用至关重要，但仍是一个难题。在本工作中，我们引入一种新颖的最小预测信息正则化方法，从时间序列推断有向关系，使深度学习模型能够发现非线性关系。我们的方法在合成数据集上学习非线性关系方面大幅优于其他方法，并在视频游戏环境和心率与呼吸率数据集中发现了有向关系。
引用
@article{arxiv.2001.01885,
title = {Discovering Nonlinear Relations with Minimum Predictive Information Regularization},
author = {Tailin Wu and Thomas Breuel and Michael Skuhersky and Jan Kautz},
journal= {arXiv preprint arXiv:2001.01885},
year = {2020}
}
备注
26 pages, 11 figures; ICML'19 Time Series Workshop