Fugu-MT 論文翻訳(概要): Sequential hypothesis testing in machine learning, and crude oil price jump size detection

論文の概要: Sequential hypothesis testing in machine learning, and crude oil price jump size detection

arxiv url: http://arxiv.org/abs/2004.08889v3
Date: Wed, 2 Dec 2020 15:51:02 GMT
ステータス: 処理完了
システム内更新日: 2022-12-12 00:30:26.724127
Title: Sequential hypothesis testing in machine learning, and crude oil price jump size detection
Title（参考訳）: 機械学習における逐次仮説テストと原油価格ジャンプサイズ検出
Authors: Michael Roberts, Indranil SenGupta
Abstract要約: 本稿では,一般的なジャンプサイズ分布の検出のための逐次仮説テストを提案する。対応する対数様比の無限小生成器を提示し、解析する。機械およびディープラーニングアルゴリズムは、原油データセットから特定の決定論的成分を抽出するために実装される。
参考スコア（独自算出の注目度）: 0.38073142980732994
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper we present a sequential hypothesis test for the detection of general jump size distrubution. Infinitesimal generators for the corresponding log-likelihood ratios are presented and analyzed. Bounds for infinitesimal generators in terms of super-solutions and sub-solutions are computed. This is shown to be implementable in relation to various classification problems for a crude oil price data set. Machine and deep learning algorithms are implemented to extract a specific deterministic component from the crude oil data set, and the deterministic component is implemented to improve the Barndorff-Nielsen and Shephard model, a commonly used stochastic model for derivative and commodity market analysis.
Abstract（参考訳）: 本稿では,一般的なジャンプサイズ分布の検出のための逐次仮説テストを提案する。対応する対数類似比に対する無限小生成器を提示して解析する。超解法と亜解法の観点から無限小発生器の境界を計算する。これは原油価格データセットの様々な分類問題に関連して実装可能であることが示されている。機械および深層学習アルゴリズムを用いて原油データセットから特定の決定論的成分を抽出し、その決定論的成分を用いて、デリバティブおよび商品市場分析によく用いられる確率モデルであるバーンドルフ・ニールセン・シェパードモデルを改善する。

関連論文リスト

Scaling and renormalization in high-dimensional regression [72.59731158970894]
本稿では,様々な高次元リッジ回帰モデルの訓練および一般化性能の簡潔な導出について述べる。本稿では,物理と深層学習の背景を持つ読者を対象に,これらのトピックに関する最近の研究成果の紹介とレビューを行う。
論文参考訳（メタデータ） (2024-05-01T15:59:00Z)
Variational Classification [51.2541371924591]
我々は,変分オートエンコーダの訓練に用いるエビデンスローバウンド(ELBO)に類似した,モデルの訓練を目的とした変分目的を導出する。軟質マックス層への入力を潜伏変数のサンプルとして扱うことで, 抽象化された視点から, 潜在的な矛盾が明らかとなった。我々は、標準ソフトマックス層に見られる暗黙の仮定の代わりに、選択された潜在分布を誘導する。
論文参考訳（メタデータ） (2023-05-17T17:47:19Z)
Generalization with Reverse-Calibration of Well and Seismic Data Using Machine Learning Methods for Complex Reservoirs Predicting During Early-Stage Geological Exploration Oil Field [0.0]
本研究の目的は, 研究領域に広がる炭化水素貯水池の確率を予測するための自律的アプローチを開発し, 適用することである。この手法は二項分類の問題に機械学習アルゴリズムを用いる。地震波の属性は予測器として使用される。
論文参考訳（メタデータ） (2023-04-06T13:09:33Z)
Generative Principal Component Analysis [47.03792476688768]
生成的モデリング仮定を用いた主成分分析の問題点を考察する。鍵となる仮定は、基礎となる信号は、$k$次元の入力を持つ$L$-Lipschitz連続生成モデルの範囲に近いことである。本稿では,2次推定器を提案し,検体数として$m$の次数$sqrtfracklog Lm$の統計率を示す。
論文参考訳（メタデータ） (2022-03-18T01:48:16Z)
Self-Certifying Classification by Linearized Deep Assignment [65.0100925582087]
そこで我々は,PAC-Bayesリスク認定パラダイム内で,グラフ上のメトリックデータを分類するための新しい深層予測器のクラスを提案する。 PAC-Bayesの最近の文献とデータに依存した先行研究に基づいて、この手法は仮説空間上の後続分布の学習を可能にする。
論文参考訳（メタデータ） (2022-01-26T19:59:14Z)
Bayesian data-driven discovery of partial differential equations with variable coefficients [9.331440154110117]
可変係数を用いたPDE探索のための高度なベイズスパース学習アルゴリズムを提案する。実験では, 雑音環境下でのベースライン法よりも, tBGL-SS法の方がロバストであることを示す。
論文参考訳（メタデータ） (2021-02-02T11:05:34Z)
Deep Bayesian Nonparametric Factor Analysis [3.9533044769534444]
本稿では, 遅延符号上の複素非因子分布を近似できる, ベータプロセス前の深部生成因子分析モデルを提案する。本稿では,このモデルの特定のインスタンス化において,スケーラブルな推論を行うEMアルゴリズムの概要と予備的な結果を示す。
論文参考訳（メタデータ） (2020-11-09T21:14:22Z)
Goal-directed Generation of Discrete Structures with Conditional Generative Models [85.51463588099556]
本稿では,強化学習目標を直接最適化し,期待される報酬を最大化するための新しいアプローチを提案する。提案手法は、ユーザ定義プロパティを持つ分子の生成と、所定の目標値を評価する短いピソン表現の同定という2つのタスクで検証する。
論文参考訳（メタデータ） (2020-10-05T20:03:13Z)
Hedging and machine learning driven crude oil data analysis using a refined Barndorff-Nielsen and Shephard model [0.38073142980732994]
本稿では,バーンドルフ・ニールセン・アンド・シェパード(BN-S)モデルを実装し,商品市場に最適なヘッジ戦略を提案する。この改良により、経験的データセットから決定論的パラメータを抽出する。洗練されたモデルにおけるこのパラメータの実装により、結果として得られるモデルは古典的なBN-Sモデルよりもはるかに良く機能する。
論文参考訳（メタデータ） (2020-04-29T15:45:58Z)
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)
A General Method for Robust Learning from Batches [56.59844655107251]
本稿では,バッチから頑健な学習を行う一般的なフレームワークについて考察し,連続ドメインを含む任意の領域に対する分類と分布推定の限界について考察する。本手法は,一括分節分類,一括分節,単調,対数凹,ガウス混合分布推定のための,最初の頑健な計算効率の学習アルゴリズムを導出する。
論文参考訳（メタデータ） (2020-02-25T18:53:25Z)

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。