📊 statistics

Neural Networks for Parameter Estimation of the Discretely Observed Hawkes Process

Cet article propose une méthode sans vraisemblance, efficace sur le plan computationnel, utilisant des réseaux de neurones entièrement connectés entraînés sur des données simulées pour estimer les paramètres de processus de Hawkes observés de manière discrète, atteignant une précision comparable aux estimateurs de vraisemblance approchés existants tout en réduisant considérablement le temps de calcul et en permettant une quantification rapide de l'incertitude.

Auteurs originaux : Jason J. Lambe, Feng Chen, Tom Stindl, Tsz-Kit Jeffrey Kwan

Publié 2026-06-23

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Jason J. Lambe, Feng Chen, Tom Stindl, Tsz-Kit Jeffrey Kwan

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Le gros problème : le « comptage aveugle »

Imaginez que vous essayez de comprendre le fonctionnement d'un café très fréquenté. Vous voulez savoir exactement quand chaque client est passé par la porte et combien de nouveaux clients sont arrivés grâce à l'effervescence des précédents (auto-excitation). C'est ce qu'un « processus de Hawkes » modélise : des événements qui en déclenchent d'autres, comme des séismes qui provoquent des répliques ou un tweet viral qui suscite de nombreux partages.

Habituellement, pour comprendre les règles de ce café, vous avez besoin d'un enregistrement vidéo parfait de chaque arrivée. Mais dans le monde réel, vous n'avez souvent qu'un registre quotidien. Vous savez que 15 personnes sont venues entre 9h00 et 10h00, et que 20 sont venues entre 10h00 et 11h00. Vous ne savez pas exactement quand elles sont arrivées, seulement le nombre total pour cette heure-là.

En statistiques, c'est ce qu'on appelle l'observation discrète ou le « censure par intervalle ». Le problème est que lorsque vous n'avez que ces comptes, les mathématiques nécessaires pour déterminer les règles sous-jacentes (les paramètres) deviennent incroyablement complexes. C'est comme essayer de résoudre un puzzle de 1 000 pièces alors qu'on ne vous a donné que l'image sur la boîte, mais que toutes les pièces sont mélangées dans un sac.

Les anciennes solutions : lentes ou biaisées

Les scientifiques ont déjà essayé de résoudre ce problème, mais ils se sont heurtés à un mur :

La méthode « Essai-Erreur » : Certains ont essayé de deviner les heures manquantes puis d'affiner leur supposition. C'est rapide, mais cela conduit souvent à une mauvaise réponse (biaisée).
La méthode « Supercalculateur » : D'autres ont conçu une méthode incroyablement précise, mais qui demande tellement de puissance de calcul qu'elle revient à utiliser un réacteur nucléaire pour faire bouillir un seul œuf. Cela fonctionne, mais c'est trop lent pour une utilisation en temps réel.

La nouvelle solution : « L'entraîneur IA »

Les auteurs de cet article proposent un contournement ingénieux. Au lieu d'essayer de résoudre l'équation mathématique impossible chaque fois que vous recevez de nouvelles données, ils entraînent un Réseau de Neurones (RN) — un type d'intelligence artificielle — pour agir comme un entraîneur chevronné.

Voici comment ils ont entraîné l'entraîneur :

Simuler le monde : Ils ont créé une simulation informatique du café (le processus de Hawkes) des milliers de fois. Ils connaissaient les « vraies règles » de chaque simulation.
Créer le registre : Pour chaque simulation, ils ont fait comme si ils n'avaient que le registre quotidien (les comptes), en cachant les heures d'arrivée exactes.
L'astuce de l'« estimation rapide » : Pour aider l'IA à apprendre, ils ont utilisé une astuce simple et rapide pour faire une estimation approximative des heures manquantes. Considérez cela comme l'entraîneur regardant le registre et disant : « Si 15 personnes sont venues en une heure, prétendons qu'elles sont arrivées à intervalles réguliers. » Ce n'est pas parfait, mais c'est un bon point de départ.
Entraînement : Ils ont fourni à l'IA l'« estimation grossière » et les « comptes du registre » et lui ont demandé de prédire les « vraies règles » avec lesquelles ils avaient commencé. L'IA a appris le schéma : « Quand le registre ressemble à X et que mon estimation grossière est Y, alors les vraies règles sont Z. »

La magie des statistiques de résumé

L'innovation clé de l'article réside dans ce qu'ils ont fourni à l'IA. Au lieu de donner à l'IA l'intégralité du registre (qui pourrait être énorme), ils lui ont donné une Statistique de Résumé.

Imaginez que vous essayiez de deviner la météo. Vous n'avez pas besoin de connaître la température de chaque seconde de la journée ; vous avez juste besoin de la température moyenne, de la température maximale et de la température minimale.

Les auteurs ont créé un « résumé » des données qui capture les indices les plus importants sur les règles du processus.
Comme ce résumé est petit et simple, l'IA peut l'apprendre très rapidement.
Une fois entraînée, l'IA peut regarder un nouveau registre, calculer ce résumé simple et donner instantanément la réponse.

Pourquoi est-ce un changement de donne ?

L'article revendique trois victoires principales :

Vitesse : L'IA est « amortie ». Cela signifie que le travail difficile (l'entraînement) ne se fait qu'une seule fois. Après cela, faire une prédiction prend une fraction de seconde. C'est comme acheter une carte une fois pour pouvoir naviguer dans n'importe quelle ville instantanément, plutôt que de dessiner une nouvelle carte chaque fois que vous sortez de chez vous.
Précision : Même si l'IA a été entraînée sur des « estimations grossières », elle est aussi performante que la méthode du « Supercalculateur » (PMMH) mentionnée plus haut.
Incertitude : L'IA ne donne pas seulement une réponse ; elle donne une plage de valeurs. Elle peut dire : « Je suis sûre à 95 % que la règle se situe entre X et Y. » Cela est crucial pour savoir à quel point on peut faire confiance au résultat.

Tests en conditions réelles

Les auteurs ont testé cette méthode sur deux scénarios du monde réel :

La rougeole à Tokyo : Ils ont analysé les comptes hebdomadaires des cas de rougeole.
La salmonelle en Australie : Ils ont analysé les comptes hebdomadaires de la salmonelle, en tenant compte des changements saisonniers (comme les pics de grippe en hiver).

Dans les deux cas, la méthode de l'IA a produit des résultats très similaires aux méthodes existantes les plus précises, mais elle l'a fait beaucoup plus rapidement.

L'essentiel à retenir

Cet article introduit une façon d'utiliser l'Intelligence Artificielle pour résoudre un problème mathématique difficile qui nécessite habituellement une puissance de calcul massive. En entraînant une IA sur des données simulées et en utilisant un « résumé » ingénieux de l'information, ils ont créé un outil qui est rapide, précis et prêt à gérer des données réelles où nous ne connaissons que les totaux, et non le moment exact des événements.

Résumé Technique : Réseaux de Neurones pour l'Estimation de Paramètres du Processus de Hawkes Observé Discrètement

Énoncé du Problème
Le processus de Hawkes est un processus de points auto-excitateur largement utilisé pour modéliser des séquences d'événements dans des domaines tels que la sismologie, la finance et l'épidémiologie. Bien que l'estimation de paramètres soit bien établie pour les données observées en continu via le Maximum de Vraisemblance (ML) ou l'Espérance Maximisation (EM), ces méthodes deviennent infaisables lorsque le processus est observé uniquement de manière discrète (censuré par intervalles). Dans ce cadre, seuls les nombres totaux d'événements au sein d'intervalles disjoints sont connus, ce qui rend la fonction de vraisemblance analytiquement intraçable.

Les approches existantes à ce problème font face à un compromis entre précision et efficacité computationnelle. Les méthodes approximatives, telles que celles de Shlomovich et al. (2022b) et Schneider et Weber (2023), tentent de reconstruire les temps d'événements latents mais présentent un biais significatif. Inversement, les méthodes hautement précises comme l'algorithme de Metropolis-Hastings Pseudo-Marginal (PMMH) (Chen et al., 2025) sont extrêmement coûteuses en termes de calcul, particulièrement pour les processus non markoviens ou les grands ensembles de données. Il existe un besoin pour un estimateur offrant une précision comparable au PMMH, mais avec des coûts de calcul nettement réduits.

Méthodologie
Les auteurs proposent une approche sans vraisemblance (likelihood-free) utilisant un réseau de neurones (NN) entièrement connecté et de type feed-forward pour estimer les paramètres du processus de Hawkes à partir de statistiques de résumé des données de comptage. La méthodologie se compose de trois composantes centrales :

Construction des Statistiques de Résumé :
Au lieu de fournir les séquences de comptage brutes au réseau, les auteurs construisent une statistique de résumé de faible dimension basée sur des estimations d'imputation « naïves ».

Estimation par Imputation Unique : Pour le cas markovien (noyau exponentiel), un chemin de l'échantillon latent est construit en distribuant uniformément les événements au sein de leurs intervalles observés. L'Estimateur du Maximum de Vraisemblance (MLE) des paramètres de Hawkes est ensuite calculé à partir de ce chemin imputé. Cela sert de statistique de résumé hautement informative et de dimension minimale.
Autoregression Binomiale Négative (NBAR) : Pour les noyaux non markoviens (non exponentiels), l'estimation par imputation est complétée par les paramètres NBAR. Un modèle NBAR est ajusté aux comptages observés pour capturer la structure de dépendance et la surdispersion, fournissant une information supplémentaire concernant la densité de la progéniture.
Adaptabilité : La statistique de résumé est conçue pour gérer des intervalles de censure de tailles inégales et des taux de fond variables dans le temps en normalisant les taux et en utilisant des approximations par morceaux pour les volumes de fond.

Architecture et Entraînement du Réseau de Neurones :

Entrée/Sortie : Le NN prend la statistique de résumé comme entrée et produit un vecteur contenant la médiane postérieure (estimation ponctuelle) ainsi que les quantiles $\tau$ supérieurs et inférieurs pour chaque paramètre. Cela permet l'estimation ponctuelle simultanée et la quantification de l'incertitude bayésienne.
Fonction de Perte : Le réseau est entraîné en utilisant une fonction de perte de quantile (perte pinball) pour cibler des quantiles spécifiques de la distribution postérieure $p(\theta | s)$ .
Inférence Amortie : Le NN est entraîné une seule fois sur un grand jeu de données simulées (paires paramètres-observations générées à partir d'un a priori). Une fois entraîné, le réseau effectue l'inférence sur de nouvelles données via une seule passe directe (forward pass), rendant le coût de l'inférence négligeable, quelle que soit la longueur du chemin d'échantillon.

Distribution Prior :
Les auteurs utilisent un a priori « inverse softplus normal » (ISN) pour les paramètres positifs et un a priori logit-normal pour le taux de branchement $\eta$ . Ces choix sont pratiques, visant à placer une masse suffisante près de zéro et dans l'intervalle unité pour améliorer les performances du NN pour les petites valeurs de paramètres sans affecter de manière significative la généralisabilité.

Résultats Clés
Les expériences de simulation démontrent que l'estimateur par NN proposé affiche des performances comparables à l'estimateur PMMH de pointe en termes de précision (Erreur Quadratique Moyenne) et de probabilités de couverture.

Précision : Pour les noyaux exponentiels, les estimations du NN présentent un biais empirique minimal, correspondant étroitement aux résultats du PMMH à travers divers niveaux d'agrégation ( $\Delta$ ).
Efficacité : L'approche par NN offre une réduction spectaculaire du temps de calcul par rapport au PMMH. Alors que le PMMH nécessite un échantillonnage itératif et est coûteux en calcul, le NN fournit une inférence quasi instantanée après la phase d'entraînement initiale.
Comparaison avec les Alternatives : L'estimateur NN surpasse les méthodes spectrales (estimateur de Whittle) et les méthodes de reconstruction biaisées (MCEM) tant en précision qu'en stabilité.
Application au Monde Réel : La méthode est appliquée aux données hebdomadaires de la rougeole à Tokyo et de la salmonelle en Nouvelle-Galles du Sud. Les résultats reproduisent les conclusions d'études antérieures (Cheysson et Lang, 2022 ; Chen et al., 2025) et modélisent avec succès les taux de fond variant dans le temps pour les fluctuations saisonnières.

Signification et Revendications
L'article affirme que la méthode proposée comble avec succès l'écart entre la haute précision des méthodes basées sur la vraisemblance (comme le PMMH) et l'efficacité de calcul requise pour les applications pratiques.

Inférence Amortie : Une contribution primaire est la démonstration de l'« inférence amortie », où le coût de calcul est entièrement déplacé vers la phase d'entraînement. Cela permet l'analyse de longs chemins d'échantillons ou de données en temps réel sans réentraînement ni ajustement de modèle supplémentaire.
Robustesse aux Contraintes de Données : La méthode gère des intervalles de tailles inégales et des taux de fond variant dans le temps, surmontant les limites des méthodes spectrales et de vraisemblance approximative existantes.
Quantification de l'Incertitude : Contrairement à de nombreuses méthodes approximatives qui manquent d'estimations d'erreur standard, le NN fournit des intervalles de crédibilité marginaux directement via l'estimation des quantiles.
Simplicité : La statistique de résumé repose sur une imputation et une autoregression simples, nécessitant un savoir expert minimal pour la conception par rapport aux schémas complexes de reconstruction de chemin latent.

Les auteurs concluent que bien que l'algorithme PMMH demeure la référence pour la précision, l'estimateur NN offre une alternative hautement scalable, rapide et précise pour les processus de Hawkes observés discrètement, particulièrement dans les contextes où la vitesse et la scalabilité sont critiques.