Fugu-MT 論文翻訳(概要): Generalization of Change-Point Detection in Time Series Data Based on Direct Density Ratio Estimation

論文の概要: Generalization of Change-Point Detection in Time Series Data Based on Direct Density Ratio Estimation

arxiv url: http://arxiv.org/abs/2001.06386v1
Date: Fri, 17 Jan 2020 15:45:38 GMT
ステータス: 処理完了
システム内更新日: 2023-01-10 09:59:40.094467
Title: Generalization of Change-Point Detection in Time Series Data Based on Direct Density Ratio Estimation
Title（参考訳）: 直接密度比推定に基づく時系列データにおける変化点検出の一般化
Authors: Mikhail Hushchyn and Andrey Ustyuzhanin
Abstract要約: 既存のアルゴリズムを様々なバイナリ分類と回帰モデルを用いて一般化する方法を示す。アルゴリズムは、いくつかの合成および実世界のデータセットでテストされる。
参考スコア（独自算出の注目度）: 1.929039244357139
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The goal of the change-point detection is to discover changes of time series distribution. One of the state of the art approaches of the change-point detection are based on direct density ratio estimation. In this work we show how existing algorithms can be generalized using various binary classification and regression models. In particular, we show that the Gradient Boosting over Decision Trees and Neural Networks can be used for this purpose. The algorithms are tested on several synthetic and real-world datasets. The results show that the proposed methods outperform classical RuLSIF algorithm. Discussion of cases where the proposed algorithms have advantages over existing methods are also provided.
Abstract（参考訳）: 変化点検出の目標は、時系列分布の変化を発見することである。変化点検出の技術的アプローチの1つは、直接密度比の推定に基づいている。本稿では,既存のアルゴリズムを様々な二項分類と回帰モデルを用いて一般化する方法を示す。特に,この目的のために,決定木やニューラルネットワーク上での勾配の増大が有効であることを示す。アルゴリズムはいくつかの合成および実世界のデータセットでテストされる。その結果,提案手法は従来のRuLSIFアルゴリズムよりも優れていた。また,提案手法が既存手法よりも有利な場合についても検討する。

関連論文リスト

Variational Neural Stochastic Differential Equations with Change Points [4.692174333076032]
ニューラル微分方程式(ニューラルSDE)を用いた時系列データにおける変化点のモデル化について検討する。本稿では,時系列をニューラルSDEとしてモデル化するための変分オートエンコーダ(VAE)フレームワークに基づく,新しいモデル定式化とトレーニング手法を提案する。本稿では,従来のパラメトリックSDEと分散シフトを伴う実データセットの両方を効果的にモデル化できることを示す。
論文参考訳（メタデータ） (2024-11-01T14:46:17Z)
Ensemble Quadratic Assignment Network for Graph Matching [52.20001802006391]
グラフマッチングはコンピュータビジョンやパターン認識において一般的に用いられる技法である。最近のデータ駆動型アプローチは、グラフマッチングの精度を著しく改善した。データ駆動手法と従来の手法の利点を組み合わせたグラフニューラルネットワーク(GNN)に基づくアプローチを提案する。
論文参考訳（メタデータ） (2024-03-11T06:34:05Z)
Neural Stochastic Differential Equations with Change Points: A Generative Adversarial Approach [5.408169633844698]
本稿では,ニューラルSDEをモデルとした時系列変化点検出アルゴリズムを提案する。提案手法は、未知の変化点と、各変化点に対応する異なるニューラルネットワークSDEモデルのパラメータを共同で学習する。
論文参考訳（メタデータ） (2023-12-20T16:16:29Z)
Latent Neural Stochastic Differential Equations for Change Point Detection [0.6445605125467574]
SDE(Latent Neural Differential Equations)に基づく新しい変化点検出アルゴリズムを提案する。本手法は,プロセスから潜在空間への非線形な深層学習変換を学習し,時間とともにその進化を記述するSDEを推定する。このアルゴリズムは、学習したプロセスの確率比を異なるタイムスタンプで使い、プロセスの変化点を見つける。
論文参考訳（メタデータ） (2022-08-22T13:53:13Z)
Scalable computation of prediction intervals for neural networks via matrix sketching [79.44177623781043]
既存の不確実性推定アルゴリズムでは、モデルアーキテクチャとトレーニング手順を変更する必要がある。本研究では、与えられたトレーニングされたニューラルネットワークに適用し、近似予測間隔を生成できる新しいアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-05-06T13:18:31Z)
Local policy search with Bayesian optimization [73.0364959221845]
強化学習は、環境との相互作用によって最適な政策を見つけることを目的としている。局所探索のための政策勾配は、しばしばランダムな摂動から得られる。目的関数の確率モデルとその勾配を用いたアルゴリズムを開発する。
論文参考訳（メタデータ） (2021-06-22T16:07:02Z)
Estimating leverage scores via rank revealing methods and randomization [50.591267188664666]
任意のランクの正方形密度あるいはスパース行列の統計レバレッジスコアを推定するアルゴリズムについて検討した。提案手法は,高密度およびスパースなランダム化次元性還元変換の合成と階調明細化法を組み合わせることに基づく。
論文参考訳（メタデータ） (2021-05-23T19:21:55Z)
AP-Loss for Accurate One-Stage Object Detection [49.13608882885456]
一段階の物体検出器は、分類損失と局所化損失を同時に最適化することによって訓練される。前者は、多数のアンカーのため、非常に前景と後方のアンカーの不均衡に悩まされる。本稿では,一段検知器の分類タスクをランキングタスクに置き換える新しい枠組みを提案する。
論文参考訳（メタデータ） (2020-08-17T13:22:01Z)
Multi-Decoder RNN Autoencoder Based on Variational Bayes Method [0.3007949058551534]
本稿では、繰り返しニューラルネットワークによる信号の生成過程と変分ベイズ法に着目した新しいクラスタリングアルゴリズムを提案する。実験の結果,提案アルゴリズムは位相シフト,振幅,信号長の変動に対する頑健性だけでなく,変分ベイズ法の特性に基づく柔軟なクラスタリングも可能であることがわかった。
論文参考訳（メタデータ） (2020-04-29T08:25:07Z)
Stochastic batch size for adaptive regularization in deep network optimization [63.68104397173262]
ディープラーニングフレームワークにおける機械学習問題に適用可能な適応正規化を取り入れた一階最適化アルゴリズムを提案する。一般的なベンチマークデータセットに適用した従来のネットワークモデルに基づく画像分類タスクを用いて,提案アルゴリズムの有効性を実証的に実証した。
論文参考訳（メタデータ） (2020-04-14T07:54:53Z)
An Evaluation of Change Point Detection Algorithms [6.03459316244618]
本稿では,変化点検出アルゴリズムの評価に特化して設計されたデータセットを提案する。それぞれのシリーズは5人のアノテータによって注釈され、変化点の存在と位置について基礎的な真実を提供した。次に、データセットの各時系列に対して14のアルゴリズムを評価するベンチマーク研究を行う。
論文参考訳（メタデータ） (2020-03-13T12:23:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。