基于秩约束似然的马尔可夫链估计
机器学习
2018-07-20 v2 机器学习
最优化与控制
摘要
本文研究从经验轨迹中估计低秩马尔可夫链的问题。我们提出了一种基于秩约束似然最大化的非凸估计器。给出了估计器与真实转移矩阵之间 Kullback-Leibler 散度和 风险的统计上界。该估计器揭示了马尔可夫链的压缩状态空间。我们还开发了一种新颖的 DC（凸函数之差）规划算法来处理秩约束非光滑优化问题。建立了收敛性结果。实验表明，所提出的估计器比其他流行方法取得了更好的经验性能。
引用
@article{arxiv.1804.00795,
title = {Estimation of Markov Chain via Rank-Constrained Likelihood},
author = {Xudong Li and Mengdi Wang and Anru Zhang},
journal= {arXiv preprint arXiv:1804.00795},
year = {2018}
}
备注
Accepted at ICML 2018