Методы регуляризации в задаче восстановления нестационарной регрессионной зависимости

Задача оценивания нестационарной регрессии практически всегда связна с необходимостью выбора подмножества релевантных регрессоров и определения подходящего уровня нестационарности регрессионной модели, который может изменяться от полной стационарности мгновенных моделей до их полной независимости друг от друга. В данной работе задача нестационарной регрессии анализируется с точки зрения байесовского подхода, в соответствии с которым оцениваемая последовательность коэффициентов регрессии рассматривается как скрытый вектор состояния линейной динамической системы, чья априорная модель содержит параметры, отвечающие и за размер подмножества активных регрессоров, и за степень временной изменчивости нестационарных коэффициентов регрессии. Предложенный в работе подход позволяет оценить одновременно и вектор состояния и параметры скрытой модели состояния.