Fugu-MT 論文翻訳(概要): Construe: a software solution for the explanation-based interpretation of time series

論文の概要: Construe: a software solution for the explanation-based interpretation of time series

arxiv url: http://arxiv.org/abs/2003.07596v1
Date: Tue, 17 Mar 2020 09:26:55 GMT
ステータス: 処理完了
システム内更新日: 2022-12-22 20:44:23.278789
Title: Construe: a software solution for the explanation-based interpretation of time series
Title（参考訳）: Construe: 時系列の説明に基づく解釈のためのソフトウェアソリューション
Authors: Tomas Teijeiro and Paulo Felix
Abstract要約: 本稿では,帰納的推論に基づく時系列解釈のための汎用フレームワークのソフトウェア実装について述べる。概念実証として、心電図(ECG)領域の総合的な知識ベースが提供され、心電図解析のツールとして直接使用できる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: This paper presents a software implementation of a general framework for time series interpretation based on abductive reasoning. The software provides a data model and a set of algorithms to make inference to the best explanation of a time series, resulting in a description in multiple abstraction levels of the processes underlying the time series. As a proof of concept, a comprehensive knowledge base for the electrocardiogram (ECG) domain is provided, so it can be used directly as a tool for ECG analysis. This tool has been successfully validated in several noteworthy problems, such as heartbeat classification or atrial fibrillation detection.
Abstract（参考訳）: 本稿では,帰納的推論に基づく時系列解釈のための汎用フレームワークのソフトウェア実装について述べる。このソフトウェアは時系列の最良の説明を推論するためのデータモデルとアルゴリズムのセットを提供し、結果として時系列の基礎となるプロセスの複数の抽象化レベルが説明される。概念実証として、心電図(ECG)領域の総合的な知識ベースが提供され、心電図解析のツールとして直接使用できる。このツールは、心拍分類や心房細動の検出など、いくつかの注目すべき問題で有効に検証されている。

関連論文リスト

Analyzing Logs of Large-Scale Software Systems using Time Curves Visualization [0.0]
従来の知識を使わずに,異なるアプリケーションから収集したログのメインイベントを,我々のアプローチで説明できることが示される。その結果、パフォーマンスボトルネックとセキュリティリスクを特定するのに必要な時間の大幅な削減が期待できる。
論文参考訳（メタデータ） (2024-11-08T12:42:45Z)
TSI-Bench: Benchmarking Time Series Imputation [52.27004336123575]
TSI-Benchは、ディープラーニング技術を利用した時系列計算のための総合ベンチマークスイートである。 TSI-Benchパイプラインは、実験的な設定を標準化し、計算アルゴリズムの公平な評価を可能にする。 TSI-Benchは、計算目的のために時系列予測アルゴリズムを調整するための体系的なパラダイムを革新的に提供する。
論文参考訳（メタデータ） (2024-06-18T16:07:33Z)
Discret2Di -- Deep Learning based Discretization for Model-based Diagnosis [48.252498836623154]
一貫性に基づく診断は、技術的応用を診断するための確立されたアプローチであるが、かなりのモデリング努力に悩まされている。本稿では,一貫性に基づく診断のための論理式の自動学習手法としてDiscret2Diを提案する。提示されたソリューションは、時系列と記号領域の両方からの機械学習を組み合わせて、一貫性に基づく診断のための論理規則の学習を自動化する。
論文参考訳（メタデータ） (2023-11-06T09:17:57Z)
Generative Modeling of Regular and Irregular Time Series Data via Koopman VAEs [50.25683648762602]
モデルの新しい設計に基づく新しい生成フレームワークであるKoopman VAEを紹介する。クープマン理論に触発され、線形写像を用いて潜在条件事前力学を表現する。 KoVAEは、いくつかの挑戦的な合成および実世界の時系列生成ベンチマークにおいて、最先端のGANおよびVAEメソッドより優れている。
論文参考訳（メタデータ） (2023-10-04T07:14:43Z)
Execution Time Program Verification With Tight Bounds [6.36836017515443]
本稿では,コア命令型プログラミング言語の実行時間境界を推論するための証明システムを提案する。 3つのケースに対してHoareロジックを定義し、注釈付きコスト対応操作セマンティクスに関してその健全性を証明する。証明システムの実用性は、サンプルプログラムに適用するために必要な異なるモジュールのOCamlの実装で実証される。
論文参考訳（メタデータ） (2022-10-20T09:02:13Z)
Linear Temporal Logic Modulo Theories over Finite Traces (Extended Version) [72.38188258853155]
有限トレース(LTLf)上の線形時間論理について検討する。命題の文字は任意の理論で解釈された一階述語式に置き換えられる。 Satisfiability Modulo Theories (LTLfMT) と呼ばれる結果の論理は半決定可能である。
論文参考訳（メタデータ） (2022-04-28T17:57:33Z)
Multi-scale Anomaly Detection for Big Time Series of Industrial Sensors [50.6434162489902]
そこで本研究では,自然にスムーズな時系列を復号・符号化する手法であるMissGANを提案する。 MissGANはラベルを必要としないし、通常のインスタンスのラベルだけを必要とするので、広く適用できます。
論文参考訳（メタデータ） (2022-04-18T04:34:15Z)
A Review of Open Source Software Tools for Time Series Analysis [0.0]
本稿では、アーキテクチャを備えた典型的な時系列分析(TSA)フレームワークについて述べ、TSAフレームワークの主な特徴を列挙する。本稿では,60の時系列解析ツール,32の予測モジュール,21のパッケージの異常検出について検討した。
論文参考訳（メタデータ） (2022-03-10T07:12:20Z)
TimeREISE: Time-series Randomized Evolving Input Sample Explanation [5.557646286040063]
TimeREISEは時系列分類の文脈において、特に成功に対応するモデル属性法である。本手法は, 既往の高精度な測定方法と比較して, 優れた性能を示す。
論文参考訳（メタデータ） (2022-02-16T09:40:13Z)
Time Series Analysis via Network Science: Concepts and Algorithms [62.997667081978825]
本稿では,時系列をネットワークに変換する既存のマッピング手法について概観する。我々は、主要な概念的アプローチを説明し、権威的な参照を提供し、統一された表記法と言語におけるそれらの利点と限界について洞察を与える。ごく最近の研究だが、この研究領域には大きな可能性を秘めており、今後の研究の道を開くことを目的としている。
論文参考訳（メタデータ） (2021-10-11T13:33:18Z)
Normalized multivariate time series causality analysis and causal graph reconstruction [0.0]
因果分析は科学の中心にある重要な問題であり、データサイエンスと機械学習において特に重要である。この研究は、情報フローに基づく2変数時間系列因果推論の長期一般化とともに、この作業ラインをコミュニティに紹介する。結果として得られる公式は透明であり、計算的に非常に効率的なアルゴリズムとして実装することができる。
論文参考訳（メタデータ） (2021-04-23T00:46:35Z)

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。