論文の概要: Integrated Time Series Summarization and Prediction Algorithm and its Application to COVID-19 Data Mining

• arxiv url: http://arxiv.org/abs/2005.00592v1
• Date: Fri, 1 May 2020 20:16:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-07 23:29:53.059457
• Title: Integrated Time Series Summarization and Prediction Algorithm and its Application to COVID-19 Data Mining
• Title（参考訳）: 時系列要約と予測アルゴリズムの統合化とCOVID-19データマイニングへの応用
• Authors: Mogens Graf Plessen
• Abstract要約: 提案手法は2つのグローバルなCOVID-19データセットで評価される。 利用可能なデータの異常検出に基づいて、ロックダウンからの分散出口戦略を提唱する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes a simple method to extract from a set of multiple related time series a compressed representation for each time series based on statistics for the entire set of all time series. This is achieved by a hierarchical algorithm that first generates an alphabet of shapelets based on the segmentation of centroids for clustered data, before labels of these shapelets are assigned to the segmentation of each single time series via nearest neighbor search using unconstrained dynamic time warping as distance measure to deal with non-uniform time series lenghts. Thereby, a sequence of labels is assigned for each time series. Completion of the last label sequence permits prediction of individual time series. Proposed method is evaluated on two global COVID-19 datasets, first, for the number of daily net cases (daily new infections minus daily recoveries), and, second, for the number of daily deaths attributed to COVID-19 as of April 27, 2020. The first dataset involves 249 time series for different countries, each of length 96. The second dataset involves 264 time series, each of length 96. Based on detected anomalies in available data a decentralized exit strategy from lockdowns is advocated.
• Abstract（参考訳）: 本稿では,時系列全体の統計に基づいて,時系列毎に複数の関連した時系列a圧縮表現の集合から簡易な抽出手法を提案する。 これは、クラスタ化されたデータに対するセンタロイドのセグメンテーションに基づいて最初にシェープレットのアルファベットを生成する階層的アルゴリズムによって実現され、これらのシェープレットのラベルは、非拘束動的時間ウォーピングを距離測度として、非一様でない時系列レントを扱うために、近接探索によって各時系列のセグメンテーションに割り当てられる。 これにより、各時系列にラベルのシーケンスが割り当てられる。 最後のラベルシーケンスの完了は、個々の時系列の予測を可能にする。 提案手法は,2020年4月27日現在で1日当たりの感染者数(毎日の感染回復率を低下させる)と1日当たりの死亡数(2020年4月27日現在)の2つのグローバルなデータセットで評価されている。 最初のデータセットは、長さ96の異なる国で249の時系列を含む。 第2のデータセットは長さ96の264の時系列を含む。 利用可能なデータの異常検出に基づいて、ロックダウンからの分散出口戦略を提唱する。

関連論文リスト

• Leveraging 2D Information for Long-term Time Series Forecasting with Vanilla Transformers [55.475142494272724]
  時系列予測は、様々な領域における複雑な力学の理解と予測に不可欠である。 GridTSTは、革新的な多方向性の注意を用いた2つのアプローチの利点を組み合わせたモデルである。 このモデルは、さまざまな現実世界のデータセットに対して、常に最先端のパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2024-05-22T16:41:21Z)
• Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values [67.76168547245237]
  本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。 実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
  論文  参考訳（メタデータ） (2024-01-11T10:10:16Z)
• Ego-Network Transformer for Subsequence Classification in Time Series Data [36.591480151951515]
  実世界の時系列データは、しばしば背景のサブシーケンスと連動する前景のサブシーケンスを含む。 本稿では,各サブシーケンスをエゴネットワークとして表現する新しいサブシーケンス分類法を提案する。 提案手法は158個のデータセットのうち104個のベースラインを上回ります。
  論文  参考訳（メタデータ） (2023-11-05T04:21:42Z)
• Determining the Optimal Number of Clusters for Time Series Datasets with Symbolic Pattern Forest [0.0]
  最適なクラスタ数(例えば k)を計算するという問題は、そのような方法にとって重要な課題の1つである。 本研究では,時系列データセットの最適なクラスタ数を決定するために,シンボリックパターンフォレストアルゴリズムを拡張した。 UCRアーカイブデータセットに対する我々のアプローチを検証し、これまでの実験結果はベースラインよりも大幅に改善された。
  論文  参考訳（メタデータ） (2023-10-01T23:33:37Z)
• Robust Detection of Lead-Lag Relationships in Lagged Multi-Factor Models [61.10851158749843]
  データ固有のリード-ラグ関係を発見することで、重要な洞察を得ることができる。 階層化多要素モデルにおけるリードラグ関係のロバスト検出のためのクラスタリング駆動手法を開発した。
  論文  参考訳（メタデータ） (2023-05-11T10:30:35Z)
• NP-Free: A Real-Time Normalization-free and Parameter-tuning-free Representation Approach for Open-ended Time Series [0.4588028371034407]
  実時間正規化自由かつチューニング自由な表現手法NP-Freeを提案する。 NP-Freeは、時系列の各データポイントをルート平均二乗誤差(RMSE)値に変換することで、生の時系列の表現を生成することができる。
  論文  参考訳（メタデータ） (2023-04-12T21:48:53Z)
• Cluster-and-Conquer: A Framework For Time-Series Forecasting [94.63501563413725]
  本稿では,高次元時系列データを予測するための3段階フレームワークを提案する。 当社のフレームワークは非常に汎用的で,各ステップで時系列予測やクラスタリングが利用可能です。 単純な線形自己回帰モデルでインスタンス化されると、いくつかのベンチマークデータセットで最先端の結果が得られる。
  論文  参考訳（メタデータ） (2021-10-26T20:41:19Z)
• Novel Features for Time Series Analysis: A Complex Networks Approach [62.997667081978825]
  時系列データは、気候、経済、医療などいくつかの領域で広く使われている。 最近の概念的アプローチは、複雑なネットワークへの時系列マッピングに依存している。 ネットワーク分析は、異なるタイプの時系列を特徴付けるのに使うことができる。
  論文  参考訳（メタデータ） (2021-10-11T13:46:28Z)
• Learning Time Series from Scale Information [12.508205923596384]
  本稿では,スケールベース推論と呼ばれる新しい概念を提案する。 まず1つの時系列に最適に選ばれた$k$-nearest近傍に基づくノンパラメトリック予測器を提案する。 次に,過去のデータを様々な解像度で逐次予測するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-18T05:33:18Z)
• Supervised Feature Subset Selection and Feature Ranking for Multivariate Time Series without Feature Extraction [78.84356269545157]
  MTS分類のための教師付き特徴ランキングと特徴サブセット選択アルゴリズムを導入する。 MTSの既存の教師なし特徴選択アルゴリズムとは異なり、我々の手法は時系列から一次元特徴ベクトルを生成するために特徴抽出ステップを必要としない。
  論文  参考訳（メタデータ） (2020-05-01T07:46:29Z)
• Data Curves Clustering Using Common Patterns Detection [0.0]
  分析とクラスタリングの時系列、あるいは一般にあらゆる種類の曲線は、いくつかの人間の活動にとって重要である。 共通パターン(CP)方法論を用いた新しい曲線クラスタリングについて紹介する。
  論文  参考訳（メタデータ） (2020-01-05T18:36:38Z)

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。