We describe a procedure to introduce general dependence structures on a set of random variables. These include order-$q$ moving average-type structures, as well as seasonal, periodic, spatial and spatio-temporal dependences. The invariant marginal distribution can be in any family that is conjugate to an exponential family with quadratic variance function. Dependence is induced via a set of suitable latent variables whose conditional distribution mirrors the sampling distribution in a Bayesian conjugate analysis of such exponential families. We obtain strict stationarity as a special case.


翻译:我们描述了对一组随机变量采用一般依赖结构的程序,其中包括移动平均类型结构,以及季节性、周期性、空间性和时空依赖性,不固定的边际分布可能发生在与具有四分形功能的指数式家庭相融合的任何家庭中,通过一组合适的潜在变量诱发依赖性,这些变量的有条件分布反映了巴伊西亚州对此类指数式家庭的类似分析中的抽样分布。我们作为一个特例获得了严格的固定性。

0
下载
关闭预览

相关内容

专知会员服务
47+阅读 · 2021年7月26日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
60+阅读 · 2019年10月17日
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
43+阅读 · 2019年1月3日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年12月3日
Pointer Graph Networks
Arxiv
7+阅读 · 2020年6月11日
A General and Adaptive Robust Loss Function
Arxiv
8+阅读 · 2018年11月5日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
43+阅读 · 2019年1月3日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
Arxiv
0+阅读 · 2021年12月3日
Pointer Graph Networks
Arxiv
7+阅读 · 2020年6月11日
A General and Adaptive Robust Loss Function
Arxiv
8+阅读 · 2018年11月5日
Top
微信扫码咨询专知VIP会员