时空霍克斯过程的张量核恢复
机器学习
2022-11-30 v3 机器学习
摘要
我们使用张量恢复方法估计时空霍克斯过程的一般影响函数，将捕捉历史事件影响的依赖于位置的影响函数表述为张量核。我们假设张量核具有低秩结构，并利用傅里叶变换核范数（TNN）将估计问题转化为凸优化问题。我们为该方法提供了理论性能保证，并给出了求解该优化问题的算法。此外，我们通过数值模拟证明了我们估计方法的效率。
引用
@article{arxiv.2011.12151,
title = {Tensor Kernel Recovery for Spatio-Temporal Hawkes Processes},
author = {Heejune Sheen and Xiaonan Zhu and Yao Xie},
journal= {arXiv preprint arXiv:2011.12151},
year = {2022}
}
备注
24 pages