本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2024-03-12
摘要
隨機過程的預測狀態是一種非參數且可解釋的構造，與多種建模範例相關。從時間序列資料進行預測狀態的自監督重建的最新進展集中於使用再現核希爾伯特空間。在這裡，我們研究如何使用 Wasserstein 距離來檢測符號資料中的預測等價性。我們使用基於底層幾何的康托集的有限維序列嵌入來計算序列分佈之間的 Wasserstein 距離（「預測」）。我們表明，透過層次聚類和降維使用所得幾何圖形進行探索性資料分析，可以深入了解從相對簡單（例如，由有限狀態隱馬可夫模型產生）到非常複雜（例如，由無限狀態索引語法生成）的過程的時間結構。