論文の概要: A Short Note on Analyzing Sequence Complexity in Trajectory Prediction Benchmarks

• arxiv url: http://arxiv.org/abs/2004.04677v2
• Date: Thu, 28 May 2020 15:04:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-19 05:39:34.484209
• Title: A Short Note on Analyzing Sequence Complexity in Trajectory Prediction Benchmarks
• Title（参考訳）: 軌道予測ベンチマークにおけるシーケンス複雑度の分析
• Authors: Ronny Hug, Stefan Becker, Wolfgang H\"ubner and Michael Arens
• Abstract要約: データセット表現を識別可能なサブシーケンスの小さなセットの観点から決定する手法を提案する。 合成された実世界のデータセットに関する最初の概念実証は、このアプローチの生存可能性を示している。
• 参考スコア（独自算出の注目度）: 8.870188183999852
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The analysis and quantification of sequence complexity is an open problem frequently encountered when defining trajectory prediction benchmarks. In order to enable a more informative assembly of a data basis, an approach for determining a dataset representation in terms of a small set of distinguishable prototypical sub-sequences is proposed. The approach employs a sequence alignment followed by a learning vector quantization (LVQ) stage. A first proof of concept on synthetically generated and real-world datasets shows the viability of the approach.
• Abstract（参考訳）: シーケンス複雑性の分析と定量化は、軌道予測ベンチマークを定義する際に頻繁に発生するオープン問題である。 データ基底のより情報的なアセンブリを可能にするために、識別可能な原型的なサブシーケンスの小さなセットの観点でデータセット表現を決定するアプローチが提案されている。 このアプローチではシーケンスアライメントを使用し、学習ベクトル量子化(LVQ)ステージが続く。 合成生成および実世界のデータセットの概念の最初の証明は、アプローチの実行可能性を示している。

関連論文リスト

• Unified Convergence Analysis for Score-Based Diffusion Models with Deterministic Samplers [49.1574468325115]
  決定論的サンプリングのための統合収束分析フレームワークを提案する。 我々のフレームワークは$tilde O(d2/epsilon)$の反復複雑性を実現する。 また,Denoising Implicit Diffusion Models (DDIM) タイプのサンプルについて詳細な分析を行った。
  論文  参考訳（メタデータ） (2024-10-18T07:37:36Z)
• Entrywise Inference for Missing Panel Data: A Simple and Instance-Optimal Approach [27.301741710016223]
  停滞した採用によって引き起こされたパネルデータの欠落データバージョンに関連する推論的疑問を考察する。 我々は、予め特定されたカバレッジでエントリワイドな信頼区間を構築するためのデータ駆動方式を開発し、分析する。 我々は、欠落したエントリを推定する際に、そのエラーに非漸近的かつ高い確率境界を証明した。
  論文  参考訳（メタデータ） (2024-01-24T18:58:18Z)
• Linear Partial Monitoring for Sequential Decision-Making: Algorithms, Regret Bounds and Applications [70.67112733968654]
  部分的なモニタリングは、シーケンシャルな意思決定のための表現力のあるフレームワークである。 本稿では,部分的モニタリングをシンプルかつ統一的に分析し,そのモデルをさらに文脈的かつカーネル化された設定に拡張する。
  論文  参考訳（メタデータ） (2023-02-07T18:58:25Z)
• 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)
• Parsimonious Inference [0.0]
  parsimonious inferenceは任意のアーキテクチャ上の推論の情報理論的な定式化である。 提案手法は,効率的な符号化と巧妙なサンプリング戦略を組み合わせて,クロスバリデーションを伴わない予測アンサンブルを構築する。
  論文  参考訳（メタデータ） (2021-03-03T04:13:14Z)
• Representation Learning for Sequence Data with Deep Autoencoding Predictive Components [96.42805872177067]
  本稿では,シーケンスデータの有用な表現が潜在空間における単純な構造を示すべきという直感に基づく,シーケンスデータの自己教師型表現学習法を提案する。 我々は,過去と将来のウィンドウ間の相互情報である潜在特徴系列の予測情報を最大化することにより,この潜時構造を奨励する。 提案手法は,ノイズの多い動的システムの潜時空間を復元し,タスク予測のための予測特徴を抽出し,エンコーダを大量の未ラベルデータで事前訓練する場合に音声認識を改善する。
  論文  参考訳（メタデータ） (2020-10-07T03:34:01Z)
• Predicting Temporal Sets with Deep Neural Networks [50.53727580527024]
  本稿では,時間集合予測のためのディープニューラルネットワークに基づく統合解を提案する。 ユニークな視点は、セットレベルの共起グラフを構築することで要素関係を学ぶことである。 我々は,要素や集合の時間依存性を適応的に学習するアテンションベースのモジュールを設計する。
  論文  参考訳（メタデータ） (2020-06-20T03:29:02Z)
• Quantifying the Complexity of Standard Benchmarking Datasets for Long-Term Human Trajectory Prediction [8.870188183999852]
  本稿では,プロトタイプベースのデータセット表現から,データセットに含まれる情報量を定量化する手法を提案する。 複数の人の軌道予測ベンチマークデータセット上で,大規模複雑度解析を行う。
  論文  参考訳（メタデータ） (2020-05-28T12:00:41Z)
• Asymptotic Analysis of an Ensemble of Randomly Projected Linear Discriminants [94.46276668068327]
  [1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。 我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。 また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
  論文  参考訳（メタデータ） (2020-04-17T12:47:04Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。