使用潜 ODE 对混合轨迹进行分段
机器学习
2021-06-11 v2
摘要
被不连续性打断的光滑动力学称为混合系统，在自然界中普遍存在。潜 ODE（Latent ODE）允许对不规则采样时间序列进行强大表示，但并未设计用于捕捉混合系统产生的轨迹。本文提出潜分段 ODE（LatSegODE），其使用潜 ODE 在具有跳跃不连续性和切换动力学模式的混合轨迹中执行重构与变点检测。在能够对不连续性之间的光滑动力学流训练潜 ODE 的情况下，我们应用剪枝精确线性时间（PELT）算法检测潜动力学重启的变点，从而最大化分段连续潜动力学表示的联合概率。我们提出将边际似然用作 PELT 的评分函数，规避了基于模型复杂度的惩罚需求。LatSegODE 在重构与分割任务中优于基线方法，包括正弦波、Lotka Volterra 动力学和 UCI 字符轨迹的合成数据集。
引用
@article{arxiv.2105.03835,
title = {Segmenting Hybrid Trajectories using Latent ODEs},
author = {Ruian Shi and Quaid Morris},
journal= {arXiv preprint arXiv:2105.03835},
year = {2021}
}