PulseAugur
实时 21:14:34

研究人员开发并行算法以加速霍克斯过程推断

研究人员开发了一种大规模并行算法,用于估计多元霍克斯过程(一种自激点过程)。他们的方法利用稀疏转移矩阵和并行前缀扫描,在 P 个处理器上实现了约 O(N/P) 的计算复杂度,显著加快了计算速度。该方法在不进行近似的情况下计算精确似然,并在大型数据集上展示了数量级的加速效果,并提供了一个开源的 PyTorch 库。 AI

影响 引入了一种新颖的、高度可并行的自激点过程推断方法,可能影响 AI 应用中的时间序列分析和事件预测。

排序理由 详细介绍霍克斯过程新计算方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

研究人员开发并行算法以加速霍克斯过程推断

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Ahmer Raza, Hudson Smith ·

    Massively Parallel Exact Inference for Hawkes Processes

    arXiv:2604.01342v2 Announce Type: replace Abstract: Multivariate Hawkes processes are a widely used class of self-exciting point processes, but maximum likelihood estimation naively scales as $O(N^2)$ in the number of events. The canonical linear exponential Hawkes process admits…