Bayesian Functional Graphical Models with Change-Point Detection
带变点检测的贝叶斯函数型图模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确分析多元时间序列的动态依赖，并联合检测图结构的变点。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
带变点检测的贝叶斯函数型图模型
- 研究问题
- 对于多条函数型观测或时间序列，如何同时识别稳定与随时间变化的条件依赖关系，并估计这些连接结构发生变化的位置？
- 方法与思路
- 作者结合有限基展开和块结构稀疏先验，构建动态贝叶斯函数型图模型，通过 Gibbs 抽样联合学习图变点与模型参数。
- 材料陈述的贡献
- 摘要称该方法实现收缩与图选择，模拟中的图选择表现优于比较方法；太平洋海表温度应用揭示了有解释意义的动态连接。
- 阅读关注点
- 应核对函数型图的定义、基展开和稀疏先验的设定、变点数量的处理，以及模拟比较与海温连接解释所依赖的依据。
- 阅读边界
- 这是预印本，同行评审或期刊接收未经核实。摘要未给出比较指标或具体改进幅度，条件依赖边也不能直接解释为因果连接。
原文摘要
Functional data analysis, which models data as realizations of random functions over a continuum, has emerged as a useful tool for time series data. Often, the goal is to infer the dynamic connections (or time-varying conditional dependencies) among multiple functions or time series. For this task, a dynamic and Bayesian functional graphical model is introduced. The proposed modeling approach prioritizes the careful definition of an appropriate graph to identify both time-invariant and time-varying connectivity patterns. A novel block-structured sparsity prior is paired with a finite basis expansion, which together yield effective shrinkage and graph selection with efficient computations via a Gibbs sampling algorithm. Crucially, the model includes (one or more) graph changepoints, which are learned jointly with all model parameters and incorporate graph dynamics. Simulation studies demonstrate excellent graph selection capabilities, with significant improvements over competing methods. The proposed approach is applied to study of dynamic connectivity patterns of sea surface temperatures in the Pacific Ocean and reveals meaningful edges.