시간에 따라 변하는 무방향 그래프 추정 및 이론적 분석

본 논문은 고차원 확률 변수들의 조건부 독립 관계를 나타내는 무방향 그래프를, 시간에 따라 변하는 비동질 데이터에 적용하는 새로운 방법론을 제시한다. 전통적인 그래프 라소(Glasso)와 같은 ℓ₁ 정규화 방법은 데이터가 i.i.d.라는 가정 하에 그래프 구조를 추정한다. 그러나 실제 응용 분야—예를 들어 주가 시계열이나 세포 내 단백질 발현—에서는 분포 자체가 시간에 따라 변하기에 이러한 가정이 깨진다. 저자들은 이러한 문제를 해결하기 위해 두 단계의 접근법을 설계한다. 첫 번째 단계는 시간에 따라 가중된 공분산 행렬을 추정하는 것이다. 관측값 Zₜ∈ℝᵖ는 독립이지만 동일분포는 아니다. 각 시점 t∈