罗伊,阿卡普拉瓦;Jana Schaich博格;大卫·B·邓森。 配对多元时间序列的贝叶斯时间对齐因子分析。 (英语) Zbl 07626765号 J.马赫。学习。物件。 22,第250号论文,第27页(2021年). 摘要:许多现代数据集都需要推理方法来估计随时间变化的矩阵集合中的共享和个别特定的变异性成分。已经开发出了有希望的方法来分析静态情况下的这些类型的数据,但只有少数几种方法可用于动态设置。为了解决这一差距,我们考虑了矩阵对的新模型和推理方法,其中的列对应于不同时间点的多元观测值。为了表征共同和个别特征,我们提出了一个贝叶斯动态因子建模框架,称为时间对齐的共同和个别因子分析(TACIFA),该框架通过未知扭曲函数包含时间对齐的不确定性。我们为该模型提供了理论支持,显示了可识别性和后验浓度。该结构通过哈密顿蒙特卡罗(HMC)算法实现高效计算。我们在仿真中表现出了出色的性能,并通过应用于社会模拟实验来说明该方法。 MSC公司: 68T05型 人工智能中的学习和自适应系统 关键词:CIFA公司;动态因子模型;哈密尔顿蒙特卡罗;JIVE公司;单调性;成对时间序列;社会模仿;时间校准;翘曲 软件:JIVE公司;开口面;AJIVE公司 PDF格式BibTeX公司 XML格式引用 \textit{A.Roy}等人,J.Mach。学习。第22号决议,第250号论文,第27页(2021;Zbl 07626765) 全文: arXiv公司 链接 参考文献: [1] 奥马尔·阿吉拉尔和迈克·韦斯特。贝叶斯动态因子模型和投资组合分配。《商业与经济统计杂志》,18:338-3572000。 [2] Christian Aßmann、Jens Boysen-Hogrefe和Markus Pape。静态和动态因子模型的贝叶斯分析:旋转问题的事后方法。《计量经济学杂志》,192:190-2062016年·Zbl 1419.62147号 [3] Tadas Baltrusaitis、Amir Zadeh、Yao Chong Lim和Louis-Philippe Morency。Openface 2.0:面部行为分析工具包。《自动人脸和手势识别》(FG 2018),2018年第13届IEEE国际会议,第59-66页。IEEE,2018年。 [4] 卡提克·巴拉斯和塞巴斯蒂安·库特克。用于曲线对齐的基于分区的扭曲贴图采样。arXiv预打印arXiv:1708.048912017·Zbl 1441.62928号 [5] 阿尼尔班·巴塔查里亚(Anirban Bhattacharya)和大卫·B·邓森(David B Dunson)。稀疏贝叶斯无限因子模型。《生物特征》,98:291-3062011年·Zbl 1215.62025号 [6] Che Zhengping、He Xinran、Ke Xu和Yan Liu。DECADE:多元时间序列的深度度量学习模型。2017年,InKDD时间序列挖掘和学习研讨会。 [7] 程文,德莱顿,黄显正,等。函数和曲线的贝叶斯配准。贝叶斯分析,11:447-4752016·Zbl 1357.62151号 [8] Gerda Claeskens、Bernard W Silverman和Leen Slaets。通过贝叶斯先验-后验传递拟合策略实现时间扭曲的多分辨率方法。《皇家统计学会杂志:B辑(统计方法)》,72:673-6942010年·Zbl 1411.62069号 [9] 卡尔·德布尔。花键实用指南,第27卷。纽约施普林格-弗拉格出版社,1978年·Zbl 0406.41003号 [10] Roberta De Vito、Ruggero Bellio、Lorenzo Trippa和Giovanni Parmigiani。高通量生物数据的贝叶斯多研究因子分析。《应用统计年鉴》(未来论文),2021年·Zbl 1498.62207号 [11] 西蒙·杜安(Simon Duane)、安东尼·肯尼迪(Anthony D Kennedy)、布莱恩·彭德尔顿(Brian J Pendleton)和邓肯·罗伊斯(Duncan Roweth)。混合蒙特卡罗。《物理快报》B,195:216-2221987年。 [12] Qing Feng、Meilei Jiang、Jan Hannig和JS Marron。解释了基于角度的关节和个体变化。《多变量分析杂志》,166:241-2652018·Zbl 1408.62113号 [13] Sylvia Fruehwirth-Schnatter和Hedibert Freitas Lopes。因子数量未知时的稀疏贝叶斯因子分析。arXiv预印本arXiv:1804.042312018。 [14] 丹尼尔·热尔维尼和西奥·加斯尔。自建模扭曲功能。《皇家统计学会杂志:B辑(统计方法)》,66:959-9712004年·Zbl 1061.62052号 [15] Subhashis Ghosal和Aad Van der Vaart。非参数贝叶斯推断基础,第44卷。剑桥大学出版社,2017年·Zbl 1376.62004号 [16] 何旭明和施培德。单调B样条平滑。《美国统计协会杂志》,93:643-6501998年·Zbl 1127.62322号 [17] 沙申克·杰尔(Shashank Jere)、贾斯汀·道尔斯(Justin Dauwels)、穆罕默德·塔亚布·阿西夫(Muhammad Tayyab Asif)、尼古拉·米特罗·维(Nikola Mitro Vie)、安德烈·西乔基(Andrzej Cichocki)和帕特里克·贾。通过矩阵分解提取铁路网络中的通勤模式。InControl Automation Robotics&Vision(ICARCV),2014年第13届国际会议,第541-546页。IEEE,2014年。 [18] 露西·约翰斯顿。行为模仿和污名化。《社会认知》,20:18-352002年。 [19] 塞巴斯蒂安·库特克。使用重要性抽样对功能数据进行配对贝叶斯对齐的几何方法。《电子统计杂志》,11:502-5312017·兹比尔1362.62055 [20] 杰西卡·拉金(Jessica L Lakin)和坦尼娅·查特朗(Tanya L Chartrand)。使用无意识的行为模仿来建立联系和融洽。心理科学,14:334-3392003。 [21] Li将军和Irina Gaynanova。异构数据关联分析的通用框架。《应用统计年鉴》,2018年12月1700-1726日·Zbl 1405.62068号 [22] 林丽珍和大卫·B·邓森。使用高斯过程投影的贝叶斯单调回归。Biometrika,2014年10月13日至317日·Zbl 1452.62285号 [23] Jennifer Listgarten、Radford M Neal、Sam T Roweis和Andrew Emili。连续时间序列的多重对齐。神经信息处理系统进展,第817-8242005页。 [24] 埃里克·F·洛克和大卫·B·邓森。贝叶斯共识聚类。生物信息学,29:2610-26162013。 [25] 埃里克·F·洛克(Eric F Lock)、凯瑟琳·A·霍德利(Katherine A Hoadley)、詹姆斯·斯蒂芬·马龙(James Stephen Marron)和安德鲁·诺贝尔(Andrew B Nobel)。用于多数据类型综合分析的联合和个体差异解释(JIVE)。《应用统计年鉴》,2013年7月523日·Zbl 1454.62355号 [26] Hedibert Freitas Lopes和Mike West。因子分析中的贝叶斯模型评估。中国统计局,2004年14时41分至67分·Zbl 1035.62060号 [27] Yi Lu、Radu Herbei和Sebastian Kurtek。高斯过程先验函数的贝叶斯配准。《计算与图形统计杂志》,26:894-9042017年。 [28] Lauren E Marsh、Geoffrey Bird和Caroline Catmur。模仿游戏:社会线索对“模仿”的影响在本质上是普遍的。《神经影像》,139:368-3752016年。 [29] Radford M Neal等人。Mcmc使用哈密顿动力学。《马尔可夫链蒙特卡罗手册》,2011年2月2日。 [30] Brian Neelon和David B Dunson。贝叶斯等渗回归和趋势分析。生物统计学,60:398-4062004·Zbl 1125.62023号 [31] Carlotta Orsenigo和Carlo Vercellis。将离散SVM和固定基数翘曲距离相结合用于多变量时间序列分类。模式识别,43:3787-37942010·Zbl 1209.68422号 [32] James O Ramsay等人,单音回归样条曲线的实际应用。《统计科学》,3:425-4411988。 [33] Priyadip Ray、Lingling Zheng、Joseph Lucas和Lawrence Carin。异质基因组数据的贝叶斯联合分析。生物信息学,30:1370-13762014。 [34] Veronika Roáckov´a和Edward I George。通过自动旋转到稀疏性的快速贝叶斯因子分析。《美国统计协会杂志》,111:1608-1622016。 [35] Martijn Schouteden、Katrijn Van Deun、Tom F Wilderjans和Iven Van Mechelen。执行DISCO-SCA以搜索链接数据中的独特和常见信息。行为研究方法,46:576-5872014。 [36] 乔治·AF·塞伯。多元观察,第252卷。约翰·威利父子公司,2009年。 [37] 沈伟宁(Weining Shen)和苏巴希斯·戈萨尔(Subhashis Ghosal)。使用随机序列先验的自适应贝叶斯过程。《斯堪的纳维亚统计杂志》,42:1194-12132015·Zbl 1419.62076号 [38] Thomas S Shively、Thomas W Sager和Stephen G Walker。非参数单调函数估计的贝叶斯方法。《皇家统计学会杂志:B辑(统计方法)》,71:159-1752009年·Zbl 1231.62058号 [39] Donatello Telesca和Lurdes Y T Inoue。贝叶斯层次曲线配准。《美国统计协会杂志》,103:328-3392008年·Zbl 1471.62560号 [40] 乔治·特里戈奇斯(George Trigeorgis)、米哈利斯·A·尼古拉(Mihalis A Nicolaou)、比约恩·舒勒(Bj¨orn W Schuler)和斯特凡诺斯·扎菲里奥(Stefanos Zafeiriou)。用于序列同步对齐和表示学习的深度正则时间扭曲。IEEE模式分析和机器智能汇刊,40:1128-11382017。 [41] Tsung-Heng Tsai、Mahlet G Tadesse、Yue Wang和Habtom W Ressom。基于轮廓的lc-ms数据对齐——贝叶斯方法。IEEE/ACM计算生物学和生物信息学汇刊,10:494-5032013。 [42] 杰尔·欧米·西亚尔、希查姆·诺·凯里、帕特里克·萨西亚特、斯里德哈尔·马利帕图、纪尧姆·科农、迪迪埃·蒂巴特、B’eatrice Teillet和道格拉斯·鲁特利奇。动态时间规整和多元分析相结合用于全面二维气相色谱图的比较:应用于植物提取物。色谱杂志A,1216:2866-28722009。 [43] 周国旭(Guoxu Zhou)、安德烈·奇切基(Andrzej Cichocki)、张瑜(Yu Zhang)和达尼洛·曼迪奇(Danilo P Mandic)。多块数据的组分分析:通用和单个特征提取。IEEE神经网络和学习系统汇刊,27:2426-24392016。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。