面向非归一化模型的鲁棒最快变化检测
统计方法学
2023-06-09 v1 信号处理
摘要
检测在线数据流底层分布的突变且持续的变化在许多应用中是一个重要问题。本文提出一种称为RSCUSUM的新的鲁棒基于分数的算法，可应用于非归一化模型并解决未知变化后分布的问题。RSCUSUM用变化前与变化后分布之间的Fisher散度替代Kullback-Leibler散度，以在非归一化统计模型中实现计算效率，并引入“最不利”分布的概念以实现鲁棒变化检测。该算法及其理论分析通过仿真研究得到验证。
引用
@article{arxiv.2306.05091,
title = {Robust Quickest Change Detection for Unnormalized Models},
author = {Suya Wu and Enmao Diao and Taposh Banerjee and Jie Ding and Vahid Tarokh},
journal= {arXiv preprint arXiv:2306.05091},
year = {2023}
}
备注
Accepted for the 39th Conference on Uncertainty in Artificial Intelligence (UAI 2023). arXiv admin note: text overlap with arXiv:2302.00250