Stein 变分在线变点检测及其在 Hawkes 过程与神经网络中的应用
机器学习
2019-05-28 v2 机器学习
摘要
贝叶斯在线变点检测（BOCPD）（Adams & MacKay, 2007）为识别复杂系统中的变点提供了一种严谨且可行的途径。在本工作中，我们引入 Stein 变分在线变点检测（SVOCD）方法，以提供一种超越指数族概率分布、计算上易处理的 BOCPD 推广。我们将近期发展的 Stein 变分牛顿（SVN）方法（Detommaso 等, 2018）与 BOCPD 相结合，为大量在实践中具有重要意义的情形提供完整的在线贝叶斯处理。我们将所得方法应用于两个具有挑战性且新颖的场景：Hawkes 过程与长短期记忆（LSTM）神经网络。在两种情况下，我们都基于真实数据成功展示了方法的有效性。
引用
@article{arxiv.1901.07987,
title = {Stein Variational Online Changepoint Detection with Applications to Hawkes Processes and Neural Networks},
author = {Gianluca Detommaso and Hanne Hoitzing and Tiangang Cui and Ardavan Alamir},
journal= {arXiv preprint arXiv:1901.07987},
year = {2019}
}
备注
14 pages, 6 figures