A Nonparametric Spatio-temporal SDE Model

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionProfessional


We propose a nonparametric spatio-temporal stochastic differential equation (SDE) model that can learn the underlying dynamics of arbitrary continuous-time systems without prior knowledge. We augment the input space of the drift function of an SDE with a temporal component to account for spatio-temporal patterns. The experiments on a real world data set demonstrate that the spatio-temporal model is better able to fit the data than the spatial model and also reduce the forecasting error.
OtsikkoNIPS 2018 Spatiotemporal Workshop
Alaotsikko32nd Conference on Neural Information Processing Systems (NIPS 2018), Montréal, Canada
KustantajaNeural Information Processing Systems Foundation
TilaJulkaistu - 2018
OKM-julkaisutyyppiD3 Ammatillisen konferenssin julkaisusarja
TapahtumaNIPS Spatiotemporal Workshop - Montreal, Kanada
Kesto: 3 joulukuuta 20188 joulukuuta 2018


WorkshopNIPS Spatiotemporal Workshop

Sormenjälki Sukella tutkimusaiheisiin 'A Nonparametric Spatio-temporal SDE Model'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä