时空 Hawkes 过程的灵活参数推断

基于摘要分析。本文研究社会学、流行病学和地震学等领域时空事件数据中的自激、触发与聚集行为，提出一种快速且灵活的参数推断方法，用于估计时空 Hawkes 过程强度函数中的核函数参数；主要贡献是通过结构约束与计算近似提高推断效率，而非提出 EEG 或 BCI 模型。 方法结合三个要素：采用有限支撑核函数、对时空域进行适当离散化，以及使用近似预计算；随后通过基于梯度的 ℓ₂ 求解器完成参数推断。有限支撑限定事件影响的时空范围，离散化与预计算则服务于计算加速。摘要未给出具体核函数族、ℓ₂ 目标的完整形式、离散化精度或预计算误差控制，因此尚不能判断不同参数设置下的效率与精度权衡。 作者报告，在合成及真实时空数据上的数值实验支持所提方法的有效性，并将求解器描述为快速且具有统计准确性。摘要未提供数据集名称、样本规模、对照方法、运行时间或误差指标；实验协议、消融及统计信息尚未验证，不能据此认定其优于现有方法。 平台推测（待验证）：若 EEG 研究对象被明确表示为具有时间戳与空间位置的离散事件，例如预先定义并检测的瞬态事件，该方法可能用于研究事件间的时空触发关系，而不能直接替代连续 EEG 解码。可复用的是 Hawkes 参数推断框架，需改造的是事件检测、空间表示及核支撑设定。低信噪比导致的漏检或误检、通道布局差异、跨被试异质性与小样本事件稀疏性均可能使推断不稳定。一个可证伪的小实验是在已知参数的模拟事件上加入位置扰动与漏检，检验参数恢复误差和运行时间如何随离散化及支撑范围变化；这仅检验机制可行性，不构成 BCI 有效性证据。已有 EEG 相关工作尚未检索确认。