12:51
官方账号arXiv cs.LG@Daniel Paulin, Victor Elvira
推荐理由：这篇论文把VARMA从低维度限制里解放出来了，迭代成本不再随序列长度增长，在d=40时还能稳定预测，做时间序列的可以看看。
估计方法
共 1 条相关 AI 资讯
8月7日
12:51
该研究提出一种VARMA模型估计框架，使每次优化迭代的计算成本与序列长度T无关，通过偏自相关重参数化保证平稳性和可逆性。损失函数仅依赖固定大小的充分统计量，借助Parseval恒等式以近线性成本评估截断长度。两种点估计器（正则化最小二乘和协方差边缘化最大后验）在固定维度下以近参数速率恢复真实过程的无穷自回归表示。实验中，从d=10到d=40，估计器接近oracle预测误差，而经典条件MLE在d=40时产生非可逆拟合且预测发散。该方法在零售需求、气象和空气质量数据上匹配或优于VAR、贝叶斯VAR、成分ARMA和稀疏VARMA基线。