面向高维矩阵时间序列的马尔可夫切换动态矩阵因子模型
密码学与安全
2025-12-24 v1 人工智能
机器学习
摘要
本文提出一种新型模型——马尔可夫切换动态矩阵因子（Ms-DMF）模型，旨在为高维矩阵时间序列提供结构解释与预测功能。估计 Ms-DMF 模型参数时，采用期望最大化（EM）算法获得准最大似然估计，所有参数联合估计；同时采用滤波与平滑算法计算潜在状态与因子对应的后验期望。我们在适度条件下建立了估计参数的一致性、收敛率及极限分布性质。通过严格的数值模拟验证了该估计方法的有效性。进一步将 Ms-DMF 模型应用于国际贸易流网络。与现有矩阵因子模型相比，本方法不仅识别主要的进出口中心，还识别这些中心之间的贸易周期。这为深入挖掘国际贸易领域的研究提供了深刻洞察与分析能力。
引用
@article{arxiv.2512.20004,
title = {IoT-based Android Malware Detection Using Graph Neural Network With Adversarial Defense},
author = {Rahul Yumlembam and Biju Issac and Seibu Mary Jacob and Longzhi Yang},
journal= {arXiv preprint arXiv:2512.20004},
year = {2025}
}
备注
13 pages