A Nonparametric Spatio-temporal SDE Model

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussa

Tutkijat

Organisaatiot

Kuvaus

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.

Yksityiskohdat

AlkuperäiskieliEnglanti
OtsikkoNIPS 2018 Spatiotemporal Workshop
Alaotsikko32nd Conference on Neural Information Processing Systems (NIPS 2018), Montréal, Canada
TilaJulkaistu - 2018
OKM-julkaisutyyppiD3 Ammatillisen konferenssin julkaisusarja
TapahtumaNIPS Spatiotemporal Workshop - Montreal, Kanada
Kesto: 3 joulukuuta 20188 joulukuuta 2018

Workshop

WorkshopNIPS Spatiotemporal Workshop
MaaKanada
KaupunkiMontreal
Ajanjakso03/12/201808/12/2018

ID: 31027609