局部自适应动态网络
应用统计
2018-09-11 v3 机器学习
摘要
我们的重点是对个体间面对面接触的动态网络进行逼真建模与预测。此类数据中导致现有方法出现问题的重要方面包括：接触在缓慢与快速变化时段间切换的趋势，以及行动者连接行为的动态异质性。受此应用驱动，我们开发了一种用于局部自适应动态（LADY）网络推断的新方法。所提模型依赖于动态潜空间表示，其中每个行动者的位置通过随机微分方程随时间演化。利用这些随机过程的状态空间表示和 Pólya-gamma 数据增强，我们开发了一种高效的 MCMC 算法用于后验推断，同时给出了用于在线更新和未来网络预测的可处理过程。我们在模拟研究中评估了性能，并考虑了一个小学内个体间面对面接触的应用。
引用
@article{arxiv.1505.05668,
title = {Locally Adaptive Dynamic Networks},
author = {Daniele Durante and David B. Dunson},
journal= {arXiv preprint arXiv:1505.05668},
year = {2018}
}