基于变换的张量自回归多线性数据预测
机器学习
2022-05-25 v1 应用统计
机器学习
摘要
在大数据时代，对分析和预测二维数据的新方法需求日益增长。当前研究旨在通过时间序列建模与多线性代数系统的结合来实现这些目标。我们将先前的自回归技术扩展至预测多线性数据，恰当地称之为L-变换张量自回归（简称L-TAR）。张量分解与多线性张量积使该方法成为可行的预测手段。我们通过可逆离散线性变换实现观测值各列间的统计独立，从而支持分而治之的策略。我们在包含图像集合、视频序列、海表温度测量、股票价格与网络的数据集上给出了所提方法的实验验证。
引用
@article{arxiv.2205.12201,
title = {Forecasting Multilinear Data via Transform-Based Tensor Autoregression},
author = {Jackson Cates and Randy C. Hoover and Kyle Caudle and Cagri Ozdemir and Karen Braman and David Machette},
journal= {arXiv preprint arXiv:2205.12201},
year = {2022}
}