arXiv stat.ML· Vansh Bansal, Min Chen, James G. Scott·· 22 天前AI 评分33
面向事件驱动潜在跳跃模型的扫描并行变分推断
Scan-Parallel Variational Inference for event-driven Latent Jump Models
AI 导读
研究者提出潜在跳跃模型（LJMs）及扫描并行变分推断（SPVI），用于建模不规则观测时间序列。该方法结合事件增强路径空间 ELBO 与三角仿射扫描，以对数时间深度实现可扩展训练。在合成系统与真实时间序列测试中，LJMs 预测精度与连续时间基线相当，且训练速度比顺序基线快 1 至 2 个数量级。
来源：arXiv stat.ML · arxiv.org