时间序列与动态网络嵌入的一些近期趋势
统计方法学
2022-12-19 v1
摘要
我们综述了时间序列与动态网络嵌入方面的一些近期进展。我们从传统的principal components（主成分）出发，进而考察时间序列动态因子模型的扩展。与主成分用于时间序列不同，时变非线性嵌入的文献相当稀少。文献中最有前景的方法基于神经网络，且近期在预测竞赛中表现良好。我们也触及拓扑数据分析中不同形式的动力学。论文的最后部分讨论动态网络的嵌入，我们认为在可用理论与大多数真实世界网络的行为之间存在差距。我们用两个模拟示例来说明本综述。在整个综述中，我们强调静态与动态情形之间的差异，并指出动态情形中若干开放问题。
引用
@article{arxiv.2212.08358,
title = {Some recent trends in embeddings of time series and dynamic networks},
author = {Dag Tjøstheim and Martin Jullum and Anders Løland},
journal= {arXiv preprint arXiv:2212.08358},
year = {2022}
}