基于分层稀疏 Cholesky 分解的可扩展时空平滑方法
统计方法学
2022-07-20 v1 统计计算
摘要
我们提出了一种针对大规模时空平滑的前向滤波-后向采样（FFBS）算法的近似。FFBS 在贝叶斯统计中处理线性高斯状态空间模型时常用，但它需要求逆大小等于潜状态向量的协方差矩阵。该操作相关的计算负担实际上阻碍了其在高维设定中的应用。我们提出了一种基于高斯过程的分层 Vecchia 近似的可扩展时空 FFBS 方法，该近似此前已成功用于空间统计。在模拟和真实数据上，我们的方法优于一种低秩 FFBS 近似。
引用
@article{arxiv.2207.09384,
title = {Scalable Spatio-Temporal Smoothing via Hierarchical Sparse Cholesky Decomposition},
author = {Marcin Jurek and Matthias Katzfuss},
journal= {arXiv preprint arXiv:2207.09384},
year = {2022}
}