×
小山、新介；藤原，Yoshi

使用加性计数序列网络对事件级联进行建模。 （英语） Zbl 07382770号

《统计力学杂志》。理论实验。 2019年，第2期，文章ID 023402，16 p.（2019）.
摘要：我们提出了一个基于级联结构的事件计数序列网络的统计模型。我们假设每个事件触发后续事件，其计数遵循加性概率分布；计数的集合由它们的叠加给出。这些假设允许计数序列的边际分布和事件级联的条件分布采用解析形式。我们使用泊松分布和负二项分布作为构建块，提出了我们的模型框架。基于这个公式，我们描述了一种统计方法，用于从观测到的计数序列中估计模型参数和事件级联。

MSC公司：

82至XX 统计力学，物质结构

软件：

计数；派霍克斯
PDF格式BibTeX公司 XML格式引用
\textit{S.Koyama}和\textit{Y.Fujiwara}，J.Stat.Mech。理论实验2019，第2期，文章ID 023402，16页（2019；Zbl 07382770）
全文： 内政部 arXiv公司

参考文献：

[1] Bak，P.，《自然如何运作：自我组织批评的科学》（1996），哥白尼·Zbl 0894.0007号
[2] Beggs，J.M。；Plenz，D.，新皮质回路中的神经元雪崩，《神经科学杂志》。，23, 11167-11177 (2003) ·doi:10.1523/JNEUROSCI.23-35-1167.2003
[3] Berger，J.O.，《统计决策理论和贝叶斯分析》（1993），柏林：施普林格出版社，柏林
[4] 福克斯·E·W。；肖特，M.B。；勋伯格，F.P。；Coronges，K.D。；Bertozzi，A.L.，《使用自激点过程建模电子邮件网络和推断领导能力》，美国统计协会，111，564-584（2016）·doi:10.1080/01621459.2015.1135802
[5] 哈斯蒂，T。；Tibshirani，R。；Wainwright，M.，《稀疏的统计学习：拉索和泛化》（2015），伦敦：查普曼和霍尔出版社，伦敦·Zbl 1319.68003号
[6] Hawkes，A.G.，一些相互激励点过程的点谱，J.R.Stat.Soc.B，33，438-443（1971）·Zbl 0238.60094号
[7] Hawkes，A.G.，一些自兴奋和相互兴奋点过程的光谱，Biometrika，58，83-90（1971）·兹比尔0219.60029 ·doi:10.1093/biomet/58.1.83
[8] Hilbe，J.M.，负二项回归（2011），剑桥：剑桥大学出版社，剑桥·Zbl 1269.62063号
[9] Jorgensen，B.，《分散模型理论》（1997），伦敦：查普曼和霍尔出版社，伦敦·Zbl 0928.62052号
[10] Kaya，M。；俄勒冈州埃尔多安。；Rokne，J.，《从社会数据挖掘和分析到预测和社区检测》（2017），柏林：施普林格出版社，柏林
[11] 小林，R。；Lambiotte，R.，Tideh：预测转发动态的依赖时间的Hawkes过程，ICWSM（2016）
[12] 刘易斯，E。；莫勒，G。；Brantingham，P.J。；Bertozzi，A.，《伊拉克平民死亡的自我激励点过程模型》，Secur。J.，25，244-264（2012）·doi:10.1057/sj.2011.21
[13] Linderman，S.W。；Adams，R.P.，《发现点过程数据中的潜在网络结构》，ICML（2014）
[14] 莫勒，G.O。；肖特，M.B。；Brantingham，P.J。；勋伯格，F.P。；Tita，G.E.，《犯罪的自激点过程建模》，《美国统计协会期刊》，第106期，第100-108页（2011年）·Zbl 1396.62224号 ·doi:10.1198/jasa.2011.ap09546
[15] Ng，K.W。；田，G-L；Tang，M-L，Dirichlet和相关分布：理论、方法和应用（2011），纽约：Wiley，New York·Zbl 1234.60006号
[16] Ogata，Y.，地震发生的统计模型和点过程的残差分析，美国统计协会，83，9-27（1988）·doi:10.1080/01621459.1988.10478560
[17] Omi，T。；Y.Hirata。；Aihara，K.，Hawkes过程模型与时间相关背景率及其在高频金融数据中的应用，Phys。E版，96（2017）·doi:10.10103/物理版本E.96.012303
[18] Onaga，T。；Shinomoto，S.，线性自激点过程中的突发跃迁，物理学。E版，89（2014）·doi:10.1103/PhysRevE.89.042817
[19] Onaga，T。；Shinomoto，S.，《非均匀网络中事件级联的出现》，科学。代表，633321（2016）·doi:10.1038/srep33321
[20] Rizoiu，医学硕士。；谢林。；桑纳，S。；塞布利安，M。；Yu，H。；Van Hentenryck，P.，《期待时尚：社交媒体受欢迎的霍克斯强度过程》，WWW（2017）
[21] Sornette，D.，《自然科学中的关键现象：混沌、分形、自组织和无序：概念和工具》（2006），柏林：施普林格出版社，柏林·Zbl 1094.82001号
[22] van Kampen，N.G.，《物理和化学中的随机过程》（2007），阿姆斯特丹：荷兰北部·兹比尔0974.60020
[23] 出版社，W.H。；弗兰纳里，B.P。；Teukolsky，S.A。；Vetterling，W.T.，《C中的数字配方：科学计算的艺术》（1992），剑桥：剑桥大学出版社，剑桥·Zbl 0845.65001号
[24] Xu，H。；Zha，H.，事件序列聚类Hawkes过程的Dirichlet混合模型，NIPS（2017）
[25] Zafarani，R。；阿巴斯，M.A。；Liu，H.，《社交媒体挖掘：导论》（2014），剑桥：剑桥大学出版社，剑桥
[26] 赵（Q.Zhao）。；埃尔多杜，M.A。；He，H.Y。；Rajaraman，A。；Leskovec，J.，《地震：预测推特流行度的自我激励点过程模型》，KDD'15（2015）
[27] 周，K。；查，H。；Song，L.，使用多维Hawkes过程学习稀疏低阶网络中的社会传染性，AISTATS（2013）
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。