مدل ترکیبی میدان عصبی بیزی و استنباط واریاسیونی در تحلیل داده‌های فضایی–زمانی

کد مقاله : 1019-SPATIAL (R1)

نویسندگان

فاطمه حسینی *، امید کریمی دانشگاه سمنان

چکیده مقاله

داده‌های فضایی–زمانی غالباً با ساختارهای وابستگی پیچیده و چولگی همراه‌اند که استفاده از چارچوب‌های کلاسیک، نظیر میدان‌های تصادفی گاوسی را محدودکننده می‌سازد. در این پژوهش، چارچوبی نوین تحت عنوان میدان عصبی بیزی برای مدل‌سازی فرایندهای فضایی–زمانی چوله ارائه می‌گردد. این چارچوب با بهره‌گیری از مختصات مکانی و زمانی همراه با متغیرهای توضیحی و پیشین‌های بیزی، امکان بازنمایی انعطاف‌پذیر همبستگی‌ها و چولگی را فراهم کرده و قابلیت پیش‌بینی در مکان‌ها و زمان‌های مشاهده‌نشده را نیز مهیا می‌سازد. برآورد پارامترها از طریق استنباط واریاسیونی انجام شده که ضمن افزایش کارایی محاسباتی، تخمین معتبر عدم‌قطعیت را نیز ممکن می‌سازد. نتایج حاصل از شبیه‌سازی نشان می‌دهد که چارچوب پیشنهادی از نظر دقت و سرعت بر روش‌های استاندارد مبتنی بر مونت‌کارلو برتری دارد.

کلیدواژه ها

میدان عصبی بیزی، داده‌های فضایی-زمانی، استنباط واریاسیونی، توزیع چوله

وضعیت: پذیرفته شده مشروط برای ارائه شفاهی