通过多阶段平滑估计时变网络连接
统计方法学
2026-05-11 v1 机器学习
摘要
我们考虑在多个时间点观测到的时变网络的底层边概率估计问题。概率结构由一个时变图子表示，该图子在潜变量中满足时间 Hölder 平滑性和分段 Lipschitz 条件。我们提出了一种多阶段平滑估计器，首先对每条边应用时间局部平滑，然后使用从该方法改编的数据驱动邻域构造进行节点域平滑。当需要整个时间域上的均匀精度时，引入了额外的时间平滑步骤作为可选的细化。模拟研究展示了在不同生成模型下结合时间平滑和节点域平滑的好处。我们还将该方法应用于真实的时变网络数据集，并表明它捕获了连接性中的平滑时间演化和结构模式。
引用
@article{arxiv.2605.06862,
title = {Nonparametric estimation of time-varying network connections by multi-stage smoothing},
author = {Jeonghwan Lee and Tianxi Li and Adam J. Rothman},
journal= {arXiv preprint arXiv:2605.06862},
year = {2026}
}