Lecture Notes: Temporal Point Processes and the Conditional Intensity Function
这些简短的课堂讲稿包含了一个不太技术性的时间线上的点过程的介绍。重点在于使用条件强度函数定义这些过程。此外,似然推断,模拟和残差分析的方法指定的时间点过程的条件强度函数。
2018-06-01 stat.ME
stopp: Methods for spatio-temporal point pattern analysis, simulation, model fitting, diagnostics, and local analyses
stopp R包处理可能发生在欧几里得空间或某些特定线性网络(如城市道路)上的时空点过程。该软件包包含对点过程进行总结、绘图和执行不同类型分析的功能,主要遵循科学文献流中最近一些论文中提出的方法。这些作品的主要议题,并反过来包,包括建模,统计推断,并模拟问题的时空点过程的欧几里得空间和线性网络,重点是他们的本地特点。我们有助于现有的文献收集到一个独特的包,这是为了欢迎许多进一步的建议和扩展的时空点过程的分析,许多最广泛的方法。
2023-02-27 stat.CO stat.ME
DriPP: Driven Point Processes to Model Stimuli Induced Patterns in M/EEG Signals
Université Paris-Saclay(巴黎萨克雷大学);Inria(法国国家信息与自动化研究所);CEA(法国原子能和替代能源委员会)
来自脑电图(EEG)和脑磁图(MEG)的非侵入性电生理信号的定量分析归结为时间模式的识别,例如诱发反应、神经振荡的瞬时爆发以及用于数据清理的眨眼或心跳。一些工作已经表明,这些模式可以以无监督的方式有效地提取,例如,使用卷积字典学习这导致了对数据的基于事件的描述。鉴于这些事件,一个自然的问题是估计它们的发生是如何被某些认知任务和实验操作所调制的。为了解决这个问题,我们提出了一个点过程的方法。虽然点过程在过去已被用于神经科学,特别是用于单细胞记录(尖峰序列),但卷积字典学习等技术使它们适合基于EEG/MEG信号的人类研究。我们开发了一种新的统计点过程模型-驱动时间点过程(DriPP)-其中的点过程模型的强度函数被链接到一组对应于刺激事件的点过程。我们推导出一个快速和原则的期望最大化(EM)算法来估计这个模型的参数。仿真结果表明,模型参数可以识别从足够长的信号。标准脑磁图数据集上的结果表明,我们的方法揭示了事件相关的神经反应诱发和诱导和隔离非任务特定的时间模式。
2022-07-11 cs.LG eess.SP math.ST
A combinatorial view of stochastic processes: White noise
白噪声是一个基本的和相当好理解的随机过程,符合许多其他过程的概念基础,以及时间序列的建模。在这里,我们推动一个新的角度对白噪声,基于组合的考虑,有助于提供新的有趣的见解,无论是建模和理论的目的。为了这个目的,我们将有序模式分析方法,使我们能够抽象的时间序列作为一个序列的模式和它们相关的排列,并引入一个简单的功能排列,将它们划分为类编码其不对称性的水平。我们计算精确的概率质量函数(p.m.f.)在$n$度的对称群上,给出了该泛函的一个新的性质,从而为无限白噪声实现的情况提供了描述。这个p.m.f.可以方便地近似为一个连续的概率密度从一个指数的家庭,高斯,因此提供了自然充分的统计,使一个方便和简单的统计分析,通过有序模式。这样的分析是示例性的实验数据的空间增量从轨道的金纳米粒子在3D扩散。
2022-04-14 cond-mat.stat-mech math.CO stat.ME
Perfect simulation of spatial point processes using dominated coupling from the past with application to a multiscale area-interaction point process
我们认为完美的模拟算法的局部稳定点过程的基础上主导的耦合从过去。该算法的一个版本是可行的过程,既不是纯粹的吸引力,也不是纯粹的排斥。这些过程包括多尺度区域相互作用过程,能够模拟其聚类结构在不同尺度上变化的点模式。我们证明了算法的正确性和这些过程的存在性。讨论了红杉幼苗数据的应用。
2009-03-15 stat.AP stat.CO stat.ME
ldmppr: Location Dependent Marked Point Processes in R
本文提出ldmppr包,用于估计、评估、从标记空间点过程中模拟和可视化具有位置依赖性的标记点过程。该包解决了传统点过程中标记与位置独立的假设在林业等应用中不合理的问题,提供了一个实用框架生成具有标记与位置依赖性的点过程,并展示了包在实际数据中的使用方法。
2026-05-18 stat.AP stat.CO stat.ME
Differentially private synthesis of Spatial Point Processes
本文提出在差分隐私框架下,利用α-邻域概念定义泊松和考克斯点合成器,为空间点模式生成合成数据,并通过模拟实验验证其隐私与效用。
2025-02-25 stat.AP stat.ML
Self-exciting point processes with spatial covariates: modeling the dynamics of crime
犯罪在空间上有不同的模式,与环境、经济和治安的特点有关,在时间上有犯罪行为的模式,如报复。轻微的扰乱治安罪也可能预示着严重的犯罪。我们表明,这些空间和时间模式通常混淆,需要分析,以考虑到这两个,并提出了一个时空自激点过程模型,其中包括空间特征,近重复和报复效应,和触发。我们开发的推理方法和诊断工具,如残差图,为这个模型,并通过广泛的模拟和犯罪数据从宾夕法尼亚州匹兹堡市获得,证明其属性和实用性。
2019-04-07 stat.AP
Discovering Topical Interactions in Text-based Cascades using Hidden Markov Hawkes Processes
IIT Gandhinagar(印度理工学院甘地纳加尔分校);TCS Research(塔塔咨询服务公司研究院);IIT Delhi(印度理工学院德里分校)
社交媒体对话基于用户、主题和时间之间的复杂互动展开。虽然最近的模型已被提出来捕捉用户之间的网络优势,用户的主题偏好和时间模式之间的张贴和响应时间,主题之间的互动模式还没有被研究。我们提出了隐马尔可夫霍克斯过程(HMHP),结合主题的马尔可夫链霍克斯过程中,共同建模主题的交互以及用户-用户和用户-主题模式。我们提出了一个吉布斯抽样算法的HMHP,共同推断网络强度,扩散路径,主题的职位,以及主题的互动。我们使用真实和半合成数据的实验表明,HMHP能够更好地概括和恢复网络的优势,主题和扩散路径更准确地比国家的最先进的基线。更有趣的是,HMHP发现了真实推文中主题之间有见地的交互,这是现有模型无法做到的。
2018-09-12 cs.LG stat.ML
Visualizing the Wavenumber Content of a Point Pattern
针对空间点模式谱表示解读困难、相关谱方法应用不足的问题,提出通过带通滤波隔离特定波数对应信号的方法,以探索空间点模式的谱表示。
2023-08-23 stat.AP
Spatio-temporal determinantal point processes
行列式点过程是规则空间点模式的模型,具有吸引人的概率性质。我们提出了他们的时空对应,并给出这些模型的例子,时空协方差函数,这是可分离的和不可分离的空间和时间的基础上。
2023-01-06 math.ST stat.TH
Investigations of the effects of random sampling patterns on the stability of generalized sampling
我们研究如何选择的空间点过程产生随机抽样模式的影响数值稳定性之间的非均匀广义采样傅立叶基和Daubechies尺度函数。具体来说,我们认为二项式,泊松和行列式点过程,并证明了更经常的点模式从行列式点过程是优越的。
2017-09-17 stat.AP
Testing the Zonal Stationarity of Spatial Point Processes: Applied to prostate tissues and trees locations
基于局部谱的概念,研究了空间点模式的平稳性和各向同性的检验问题。使用对数变换,当残差方差已知时,所提出的检验的机制与简单的两因素方差方差分析程序大致相同。这个过程也被用来测试在附近的一个特定点的观察窗口的平稳性。同样的想法被用于事后测试中,以将点模式聚类为固定和非固定子窗口。所提出的方法的性能进行了检查,通过模拟研究和应用在一个实际的数据。
2017-01-29 stat.AP
Determinantal shot noise Cox processes
我们提出了一类新的集群点过程模型,我们称之为行列式散粒噪声考克斯过程(DSNCP),集群中心之间的排斥。它们是广义散粒噪声Cox过程的特殊情况,其中聚类中心是行列式点过程。我们建立了各种时刻的结果,并描述了如何可以用来很容易地估计未知参数在两个特别容易处理的情况下,即当后代密度是各向同性高斯和内核的决定性的点过程的集群中心是高斯或类似的缩放Ginibre点过程。通过模拟研究和对真实点模式数据集的分析,我们看到,在对聚集的点模式进行建模时,与散粒噪声Cox过程相比,DSNCP模型中可能需要低得多的集群中心强度。
2022-05-30 stat.ME
Modelling aggregation on the large scale and regularity on the small scale in spatial point pattern datasets
我们考虑一个依赖的定期点过程的细化,其目的是在大规模上获得聚合和小规模上的规则性,在所得到的目标点过程中保留的点。提出了各种基本过程的参数模型,并研究了目标点过程的性质。仿真和推理过程中讨论了实现目标点过程时,观察,根据是否观察到或不薄的点。本文推广了Dietrich Stoyan关于间断点过程的工作。
2015-05-27 stat.ME
GPatt: Fast Multidimensional Pattern Extrapolation with Gaussian Processes
U. Cambridge(剑桥大学);WUSTL(圣路易斯华盛顿大学);Columbia U.(哥伦比亚大学)
高斯过程通常用于小数据集的平滑和插值。我们介绍了一个新的贝叶斯非参数框架- GPatt -使自动模式外推与高斯过程的大型多维数据集。GPatt统一并扩展了高度表达的内核和快速精确推理技术。没有人为干预-没有手工制作的内核功能,也没有复杂的初始化程序-我们表明,GPatt可以解决大规模的模式外推,修复和内核发现问题,包括383400训练点的问题。我们发现,GPatt显着优于流行的替代可扩展的高斯过程方法的速度和准确性。此外,我们发现这些方法之间的深刻差异,这表明表达内核,非参数表示和精确推理是有用的建模大规模多维模式。
2013-12-31 cs.AI cs.LG stat.ME
The landscapemetrics and motif packages for measuring landscape patterns and processes
本章介绍 R 软件包 landscapemetrics 与 motif,基于三个欧洲区域的 LULC 数据实现景观指标计算、空间格局比较、聚类及可扩展分析。
2024-05-10 stat.AP stat.ME
What you see is not what is there: Mechanisms, models, and methods for point pattern deviations
针对点过程研究中点位置观测误差受关注较少的问题,本文梳理了观测点模式偏离实际模式的机制,综述了相关处理模型与方法,并辅以科学示例说明。
2023-10-03 stat.ME
A review on anisotropy analysis of spatial point patterns
如果空间点模式的空间结构依赖于方向,则称空间点模式为各向异性。文献中介绍了几种各向异性分析方法。在本文中,我们给出了一个概述的非参数方法的各向异性分析(固定)点模式的$\mathbf{R}^2$和$\mathbf{R}^3$。我们讨论的方法的基础上最近的邻居和二阶汇总统计,以及频谱和小波分析。所有的技术都说明了集群和一个常规的例子。最后,我们讨论的方法测试各向同性以及估计首选方向的点模式。
2018-02-28 stat.ME
Regularized estimation for highly multivariate log Gaussian Cox processes
由于具有大量参数的复杂模型,高度多变量点模式数据的统计推断具有挑战性。本文对一类多元对数高斯Cox过程提出了数值稳定和有效的参数估计和模型选择算法。该方法适用于一个高度多元的点模式数据集,从热带雨林生态。
2019-05-04 stat.CO stat.ME
Detecting British Columbia Coastal Rainfall Patterns by Clustering Gaussian Processes
函数数据分析是一种统计框架,其中数据被假设为遵循某种函数形式。这种分析方法通常应用于时间序列数据,其中连续或离散间隔测量的时间用作函数值的位置。高斯过程是一个广义的多元正态分布的功能空间,在本文中,他们被用来阐明沿海降雨模式在不列颠哥伦比亚省(BC)。具体而言,这项工作解决了如何对BC或任何类似的沿海降雨数据进行探索性聚类分析的问题。开发了一种方法,用于对在可比间隔上观察到的多个过程进行聚类,该方法基于其基础协方差核的相似程度。这种方法为BC数据提供了有趣的见解,这些见解可以根据厄尔尼诺和拉尼娜来构建;然而,结果不仅仅是一个集群代表厄尔尼诺年,另一个集群代表拉尼娜年。从一个角度来看,研究结果表明,聚类年降雨量可以用来识别极端天气模式。
2020-04-03 stat.AP stat.ME stat.ML
Semi-parametric profile pseudolikelihood via local summary statistics for spatial point pattern intensity estimation
本文提出一种基于局部二阶统计量和 Papangelou 条件强度的半参数剖面伪似然方法,用于存在空间交互且似然不可处理时的点过程强度估计,并通过模拟和真实数据验证了其拟合优度。
2024-04-16 stat.ME
Approximation intensity for pairwise interaction Gibbs point processes using determinantal point processes
吉布斯点过程的强度通常是模型参数的一个难处理的函数。对于排斥的两两相互作用点过程,这种强度可以表示为某些特定函数的拉普拉斯变换。Baddeley和Nair(2002)发展了泊松鞍点近似,对于基本模型,该近似包括计算关于齐次泊松点过程的拉普拉斯变换。在本文中,我们开发了一个近似,它包括在计算相同的拉普拉斯变换相对于一个特定的行列式点过程。这种新的近似是有效地实现,原来是更准确的比泊松鞍点近似,证明了一些数值例子。
2017-12-08 stat.ME
Semi-parametric Markov models for multi-type point patterns
Aalborg University(奥尔堡大学)
本文提出一类新的半参数马尔可夫点过程,通过非参数因子调整未观测空间混杂因素,并引入条件伪似然进行估计,应用于法国两类银行位置空间模式研究。
2025-10-14 stat.ME
A comparison of functional summary statistics to detect anisotropy of three-dimensional point patterns
三维点过程数据的日益增长的可用性要求开发合适的分析技术。在本文中,我们专注于两个最近开发的汇总统计,圆锥形和圆柱形$K$函数,这可能是用来检测三维点模式的各向异性。我们给出了一些建议,选择他们的论点,并调查他们的能力,以检测两种特殊类型的各向异性。最后,这两个功能进行了比较,从神经科学和冰川学的一些实际数据集。
2016-04-14 stat.ME
Detecting multivariate interactions in spatial point patterns with Gibbs models and variable selection
我们提出了一种方法来检测非常大的多元空间点模式的显着相互作用。这种方法在点过程设置中开发了高维数据理解。该方法是基于使用灵活的吉布斯点过程模型的模式建模,直接在不同的空间尺度上的点到点的相互作用。通过使用吉布斯框架,也可以在小尺度上捕获显着的相互作用。随后,吉布斯点过程拟合使用伪似然近似,我们选择显着的相互作用自动使用组套索罚与此似然近似。因此,即使在这种情况下,我们也可以稳定地估计多变量相互作用。我们通过模拟研究证明了该方法的可行性,并通过将其应用于83种大型复杂的雨林植物种群数据集来展示其功能。
2017-10-24 stat.ME
Inferring HIV Transmission Patterns from Viral Deep-Sequence Data via Latent Typed Point Processes
病毒深度测序数据在理解疾病传播网络流方面发挥着至关重要的作用,因为与标准Sanger测序相比,这些数据的分辨率更高,为传染病传播方向提供了证据。为了更充分地利用这些丰富的数据,并考虑到系统发育分析结果的不确定性,我们提出了一个空间泊松过程模型,以揭示艾滋病毒在人口水平上的传播模式。我们将具有病毒序列数据的两个个体的配对表示为类型化点,坐标表示协变量,如性别和年龄,点类型表示未观察到的传播状态(连锁和方向)。点与通过标准深度序列系统发育分析获得的每种传播状态的证据强度的观察得分相关。我们的方法是能够联合推断潜在的传输状态的所有配对和传输流表面上的源-接收者协变量空间。与现有方法相比,我们的框架不需要对数据点的传输状态进行预分类,而是通过完全的贝叶斯推断方案概率地学习它们。通过直接建模连续的空间过程与光滑的密度,我们的方法相比,以前的方法,依赖于离散化的协变量空间具有显着的计算优势。我们证明,我们的框架可以以高分辨率捕获艾滋病毒传播的年龄结构,并在乌干达南部病毒深度测序数据的案例研究中带来有价值的见解。
2023-02-22 stat.AP stat.ME
Testing the Structural Properties of Marked Point Processes Using Local Inhomogeneous Mark-Weighted K-Functions
University of Palermo(巴勒莫大学)
本文提出基于局部非均匀扩展的标记加权K函数的χ²型检验统计量,用于评估观测标记点模式的局部结构假设,有效识别全局和局部偏离空假设的情况,应用于林业和地震数据展示其检测空间依赖标记结构的能力。
2026-05-13 stat.AP stat.ME
A note on Bayesian logistic regression for spatial exponential family Gibbs point processes
近年来,指数族Gibbs空间点过程的逻辑斯谛回归推理方法被提出.我们将它与二次切向变分逼近技术相结合,导出了一种新的贝叶斯空间点模式分析方法。该技术进行了详细描述,并证明了数值例子。
2014-11-03 stat.ME stat.OT
Inference for log Gaussian Cox processes using an approximate marginal posterior
对数高斯考克斯过程是一种灵活的点模式模型,用于捕获点模式的空间和时空依赖性。模型拟合需要通过感兴趣的域的离散化来实现随机积分的近似。对于精细尺度离散化,基于马尔可夫链蒙特卡罗的推断计算量很大,因为与潜在高斯变量相关联的高维协方差阵的重复迭代或求逆或Cholesky分解(三次)的成本。此外,潜高斯变量的超参数与采样的潜高斯变量有很强的依赖性。总而言之,标准的马尔可夫链蒙特卡罗策略是低效的,并且表现不好。在本文中,我们提出了一个有效的计算策略,空间对数高斯Cox过程的拟合和推断。该算法是基于伪边缘马尔可夫链蒙特卡罗方法。我们估计了对数高斯Cox过程参数的近似边际后验,并提出了全面的模型推断策略。我们提供了所有上述的细节,以及一些单变量和多变量设置的模拟调查。作为一个例子,我们提出了一个点模式的位置的三个树种,表现出积极和消极的相互作用不同的物种之间的分析。
2016-11-30 stat.CO stat.ME