用于时间演进分区的精确推理

本文提出了一种新方法，用于在时间演进概率分布的非参数模型中进行精确推理，特别关注未标记的分区数据。主要贡献是一个易于处理的推理框架，避免了计算成本高昂的方法，如MCMC和粒子滤波。准共轭性和凝固算子的使用允许闭式、递归更新，从而实现高效的在线和离线推理以及具有完全不确定性量化的预测。在社会和遗传数据上的应用突出了该方法在实践中的相关性。

• •引入了一种非参数模型，用于从未标记的分区数据中获取时间演进的概率分布。
• •使用准共轭性和凝固算子开发了一个易于处理的推理框架。
• •实现精确的后验和预测分布，绕过MCMC和顺序蒙特卡罗方法。
• •与粒子滤波相比，实现了更高的精度、更低的方差和显著的计算增益。
• •展示了在社交网络分析和遗传数据中的应用。