多任务 Cox 过程模型中的高效推断
机器学习
2019-03-18 v3 机器学习
摘要
我们将对数高斯 Cox 过程 (LGCP) 框架推广至联合建模多个相关点数据。观测被视为多个 LGCP 的实现，其对数强度由取自高斯过程先验的潜在函数的线性组合给出。组合系数亦取自高斯过程，并可纳入额外的依赖关系。我们推导了强度函数矩的闭式表达式，并开发了一种高效的变分推断算法，该算法比多元 LGCP、核心化模型和多任务 Permanental 过程的竞争性确定性与随机近似快数个数量级。我们的方法在多个问题上优于这些基准，为多元点过程建模提供了当前的最先进水平。
关键词
引用
@article{arxiv.1805.09781,
title = {Efficient Inference in Multi-task Cox Process Models},
author = {Virginia Aglietti and Theodoros Damoulas and Edwin Bonilla},
journal= {arXiv preprint arXiv:1805.09781},
year = {2019}
}