面向实值时间序列的软贝叶斯上下文树模型
机器学习
2026-05-22 v2
摘要
本文提出了软贝叶斯上下文树模型（Soft-BCT），这是一种用于实值时间序列的新型 BCT 模型。Soft-BCT 考虑上下文空间的软（概率性）划分，而非先前用于实值时间序列的 BCT 中上下文空间的硬（确定性）划分。基于变分推断，提出了一种 Soft-BCT 的学习算法。实验结果证明了在某些数据集上 Soft-BCT 相比于先前 BCT 的优越性。
引用
@article{arxiv.2601.11079,
title = {Soft Bayesian Context Tree Models for Real-Valued Time Series},
author = {Shota Saito and Yuta Nakahara and Toshiyasu Matsushima},
journal= {arXiv preprint arXiv:2601.11079},
year = {2026}
}