KuaiRand-Pure

新的可微分高斯动力学方法从聚合数据中学习集体行为

研究人员推出了一种从聚合数据中学习集体动力学的新方法——可微分高斯动力学（DGD）。DGD 利用高斯混合模型来表示个体响应倾向，并结合了接触强度和行为概率的可微分聚合。该系统还包括反馈递归以更新后续响应，从而允许聚合预测误差来训练分布、观测和反馈参数。在 KuaiRand-Pure 和 Online Retail II 等数据集上的实验表明，DGD 在预测集体行为方面优于 DeepAR 的改编版本。