用于霍克斯过程的融合 Gromov-Wasserstein 对齐
机器学习
2019-10-08 v1 机器学习
摘要
我们提出一种新颖的融合 Gromov-Wasserstein 对齐方法，以联合学习不同事件空间中的霍克斯过程，并对齐其事件类型。给定两个霍克斯过程，我们使用融合 Gromov-Wasserstein 差异来衡量它们的不相似度，该差异同时考虑了基于其基强度的 Wasserstein 差异与基于其感染矩阵的 Gromov-Wasserstein 差异。相应地，所学到的最优传输反映了这两个霍克斯过程事件类型之间的对应关系。霍克斯过程与其最优传输通过极大似然估计联合学习，并带有一个融合 Gromov-Wasserstein 正则化项。实验结果表明，所提方法在合成与真实世界数据上均表现良好。
引用
@article{arxiv.1910.02096,
title = {Fused Gromov-Wasserstein Alignment for Hawkes Processes},
author = {Dixin Luo and Hongteng Xu and Lawrence Carin},
journal= {arXiv preprint arXiv:1910.02096},
year = {2019}
}
备注
The workshop on learning with temporal point processes in NeurIPS 2019 (WTPP19)