受控潜在状态的动力学生存分析

我们考虑从一组静态变量和不规则采样的时间序列中学习个体特定强度的任务。我们引入一种新颖的模型化方法，其中强度是受控微分方程的解。我们首先通过建立在神经受控微分方程之上来设计神经估计器。随后，我们在充分的正则性条件下显示，我们的模型可在签名空间中线性化，得到一种称为CoxSig的基于签名的估计器。我们在两者都提供了理论学习保证，然后在金融、预测性维护和食品供应链管理等广泛的模拟和真实世界数据集上展示了我们模型的性能。