Fugu-MT 論文翻訳(概要): Prediction of Spatial Point Processes: Regularized Method with Out-of-Sample Guarantees

論文の概要: Prediction of Spatial Point Processes: Regularized Method with Out-of-Sample Guarantees

arxiv url: http://arxiv.org/abs/2007.01592v1
Date: Fri, 3 Jul 2020 10:11:59 GMT
ステータス: 処理完了
システム内更新日: 2022-11-14 04:35:11.523089
Title: Prediction of Spatial Point Processes: Regularized Method with Out-of-Sample Guarantees
Title（参考訳）: 空間的点過程の予測:サンプル外保証による正規化法
Authors: Muhammad Osama, Dave Zachariah, Petre Stoica
Abstract要約: 本研究では,正規化基準を用いて空間モデルを学習し,予測強度間隔を推定する手法を開発した。提案手法は,空間モデルが誤特定された場合でも,標準推定値と異なり有効であることを示す。
参考スコア（独自算出の注目度）: 23.178396031181393
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A spatial point process can be characterized by an intensity function which predicts the number of events that occur across space. In this paper, we develop a method to infer predictive intensity intervals by learning a spatial model using a regularized criterion. We prove that the proposed method exhibits out-of-sample prediction performance guarantees which, unlike standard estimators, are valid even when the spatial model is misspecified. The method is demonstrated using synthetic as well as real spatial data.
Abstract（参考訳）: 空間点過程は、空間にわたって発生する事象の数を予測する強度関数によって特徴づけられる。本稿では,正規化基準を用いて空間モデルを学習し,予測強度間隔を推定する手法を開発した。提案手法は, 標準推定器とは異なり, 空間モデルが誤特定された場合にも有効であることを示す。本手法は合成および実空間データを用いて実演する。

関連論文リスト

Convergence of Score-Based Discrete Diffusion Models: A Discrete-Time Analysis [56.442307356162864]
連続時間マルコフ連鎖(CTMC)に基づくスコアベース離散拡散モデルの理論的側面について検討する。本稿では,事前定義された時間点におけるスコア推定値を利用する離散時間サンプリングアルゴリズムを一般状態空間$[S]d$に導入する。我々の収束解析はジルサノフ法を用いて離散スコア関数の重要な性質を確立する。
論文参考訳（メタデータ） (2024-10-03T09:07:13Z)
Spatially-Aware Diffusion Models with Cross-Attention for Global Field Reconstruction with Sparse Observations [1.371691382573869]
フィールド再構成タスクにおけるスコアベース拡散モデルの開発と拡張を行う。本研究では,観測領域と観測領域の間のトラクタブルマッピングを構築するための条件符号化手法を提案する。本研究では, モデルが再現可能かどうかを把握し, 融合結果の精度を向上する能力を示す。
論文参考訳（メタデータ） (2024-08-30T19:46:23Z)
Probabilistic Conformal Prediction with Approximate Conditional Validity [81.30551968980143]
本研究では,共形手法の柔軟性と条件分布の推定を組み合わせ,予測セットを生成する手法を開発した。我々の手法は、条件付きカバレッジの観点から既存の手法よりも一貫して優れています。
論文参考訳（メタデータ） (2024-07-01T20:44:48Z)
Efficient Trajectory Inference in Wasserstein Space Using Consecutive Averaging [3.8623569699070353]
軌道推論は、そのような観測から連続的な過程を再構築する挑戦を扱う。ワッサーシュタイン空間に直交する連続平均化による点雲のB-スプライン近似法を提案する。コンバージェンス保証を提供し、シミュレーションセルデータ上でテストすることで、我々の手法を厳格に評価する。
論文参考訳（メタデータ） (2024-05-30T04:19:20Z)
Space-Time Diffusion Bridge [0.4527270266697462]
実確率分布から独立かつ同一に分布する新しい合成サンプルを生成する方法を提案する。時空間次元にまたがる時空間混合戦略を用いる。数値実験による時空拡散法の有効性を検証した。
論文参考訳（メタデータ） (2024-02-13T23:26:11Z)
Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers [143.6249073384419]
本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
論文参考訳（メタデータ） (2024-01-29T02:08:40Z)
Score Matching-based Pseudolikelihood Estimation of Neural Marked Spatio-Temporal Point Process with Uncertainty Quantification [59.81904428056924]
我々は、不確実な定量化を伴うmarkPsを学習するためのスコアMAtching推定器であるSMASHを紹介する。具体的には,スコアマッチングによるマークPsの擬似的類似度を推定することにより,正規化自由度を推定する。提案手法の優れた性能は、事象予測と不確実性定量化の両方において広範な実験によって実証される。
論文参考訳（メタデータ） (2023-10-25T02:37:51Z)
Semi-Parametric Inference for Doubly Stochastic Spatial Point Processes: An Approximate Penalized Poisson Likelihood Approach [3.085995273374333]
二重確率点過程は、ランダム強度関数の実現を前提とした不均一過程として空間領域上の事象の発生をモデル化する。既存の二重確率空間モデルの実装は、計算的に要求され、しばしば理論的な保証が制限され、または制限的な仮定に依存している。
論文参考訳（メタデータ） (2023-06-11T19:48:39Z)
Computationally Efficient PAC RL in POMDPs with Latent Determinism and Conditional Embeddings [97.12538243736705]
大規模部分観測可能決定プロセス(POMDP)の関数近似を用いた強化学習に関する研究我々のアルゴリズムは、大規模POMDPに確実にスケールする。
論文参考訳（メタデータ） (2022-06-24T05:13:35Z)
Spatially-Varying Bayesian Predictive Synthesis for Flexible and Interpretable Spatial Prediction [6.07227513262407]
本研究では,空間的ベイズ予測合成と呼ばれる空間的不確かさを捉える手法を提案する。提案した空間ベイズ予測合成は,標準的な空間モデルや高度な機械学習手法よりも優れていることを示す。
論文参考訳（メタデータ） (2022-03-10T07:16:29Z)
Optimal oracle inequalities for solving projected fixed-point equations [53.31620399640334]
ヒルベルト空間の既知の低次元部分空間を探索することにより、確率観測の集合を用いて近似解を計算する手法を検討する。本稿では,線形関数近似を用いた政策評価問題に対する時間差分学習手法の誤差を正確に評価する方法について述べる。
論文参考訳（メタデータ） (2020-12-09T20:19:32Z)

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。