PulseAugur
中
实时 09:46:50
English(EN) Scalable estimation of VARMA models

新框架使VARMA模型在处理高维数据时更加实用

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一个新的框架来估计向量自回归移动平均（VARMA）模型，该模型以前被认为在计算上不适用于高维数据。这种新方法允许优化迭代独立于序列长度，从而显著降低了计算成本。该框架利用了偏自相关重参数化和高斯先验，使其能够处理复杂的数据集，并在实证测试中优于现有的VAR和sparse-VARMA等模型。 AI

影响 这项研究可以使AI应用中的更复杂的时间序列分析成为可能，特别是在复杂系统中的预测和异常检测方面。

排序理由 该集群包含一篇详细介绍新统计建模框架的学术论文。

在 Hugging Face Daily Papers 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新框架使VARMA模型在处理高维数据时更加实用

报道来源 [2]

  1. Hugging Face Daily Papers TIER_1 English(EN) ·

    VARMA模型的规模化估计

    Vector autoregressive moving-average (VARMA) models have long been considered impractical beyond moderate dimensions: the likelihood is non-convex, the parametrization is identified only up to equivalence, and every evaluation costs a pass over the entire series. Yet their moving…

  2. arXiv stat.ML TIER_1 English(EN) · Daniel Paulin, Victor Elvira ·

    VARMA模型的规模化估计

    arXiv:2608.06340v1 Announce Type: new Abstract: Vector autoregressive moving-average (VARMA) models have long been considered impractical beyond moderate dimensions: the likelihood is non-convex, the parametrization is identified only up to equivalence, and every evaluation costs…

相关实体

相关话题