Neuer Ansatz: Kronecker‑Strukturierte Punktprozesse für räumlich‑zeitliche Daten

Wissenschaftler haben einen neuen Ansatz für die Analyse von Ereignissen in räumlich‑zeitlichen Daten vorgestellt, der die Grenzen herkömmlicher Modelle sprengt.

Der sogenannte Kronecker‑Strukturierte nichtparametrische Punktprozess (KSTPP) kombiniert ein räumliches Gaußsches Prozessmodell für die Grundintensität mit einem spatiotemporalen Gaußschen Prozess für die Einflusskernels. Dadurch können komplexe Interaktionsmuster – von Erregung über Hemmung bis hin zu neutralen Effekten – sowie zeitlich variierende Einflüsse transparent erfasst werden.

Um die Rechenlast zu reduzieren, nutzt das Modell separierbare Produktkernels und stellt die Gaußschen Prozesse auf strukturierten Gittern dar. Die dadurch entstehenden Kronecker‑strukturierten Kovarianzmatrizen ermöglichen eine erhebliche Beschleunigung der Trainings- und Vorhersageprozesse und erlauben die Skalierung auf große Ereignismengen.

Zusätzlich wurde ein Tensor‑Produkt‑Gauss‑Legendre‑Quadraturverfahren entwickelt, das die sonst unhandlichen Likelihood‑Integrale effizient berechnet. Umfangreiche Experimente belegen, dass der KSTPP die Genauigkeit der Ereignisvorhersage deutlich verbessert und gleichzeitig die Interpretierbarkeit der zugrunde liegenden Beziehungen erhält.