Fugu-MT 論文翻訳(概要): Multinomial Sampling for Hierarchical Change-Point Detection

論文の概要: Multinomial Sampling for Hierarchical Change-Point Detection

arxiv url: http://arxiv.org/abs/2007.12420v2
Date: Tue, 3 Nov 2020 17:45:26 GMT
ステータス: 処理完了
システム内更新日: 2022-11-07 06:03:39.065141
Title: Multinomial Sampling for Hierarchical Change-Point Detection
Title（参考訳）: 階層的変化点検出のための多項サンプリング
Authors: Lorena Romero-Medrano, Pablo Moreno-Mu\~noz and Antonio Art\'es-Rodr\'iguez
Abstract要約: 本稿では,検出率を向上し,遅延を低減する多項サンプリング手法を提案する。実験の結果, 基準法よりも優れた結果が得られ, また, 人間の行動研究を指向した事例も提示した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Bayesian change-point detection, together with latent variable models, allows to perform segmentation over high-dimensional time-series. We assume that change-points lie on a lower-dimensional manifold where we aim to infer subsets of discrete latent variables. For this model, full inference is computationally unfeasible and pseudo-observations based on point-estimates are used instead. However, if estimation is not certain enough, change-point detection gets affected. To circumvent this problem, we propose a multinomial sampling methodology that improves the detection rate and reduces the delay while keeping complexity stable and inference analytically tractable. Our experiments show results that outperform the baseline method and we also provide an example oriented to a human behavior study.
Abstract（参考訳）: ベイズ的変化点検出は、潜在変数モデルとともに、高次元時系列上でセグメンテーションを行うことができる。変化点が低次元多様体上にあると仮定し、離散潜在変数の部分集合を推論する。このモデルでは、完全な推論は計算不可能であり、代わりに点推定に基づく擬似観測が用いられる。しかし、もし推定が十分でなければ、変更点検出が影響を受ける。この問題を回避するために,複雑性を安定に保ち,解析的に抽出しやすくしながら,検出率を向上し,遅延を低減する多項サンプリング手法を提案する。実験では,ベースライン法に勝る結果を示し,人間の行動研究を指向した例を示す。

関連論文リスト

Unveiling the Statistical Foundations of Chain-of-Thought Prompting Methods [59.779795063072655]
CoT(Chain-of-Thought)の促進とその変種は、多段階推論問題を解決する効果的な方法として人気を集めている。統計的推定の観点からCoTのプロンプトを解析し,その複雑さを包括的に評価する。
論文参考訳（メタデータ） (2024-08-25T04:07:18Z)
SoftCVI: Contrastive variational inference with self-generated soft labels [2.5398014196797614]
変分推論とマルコフ連鎖モンテカルロ法がこのタスクの主要なツールである。ソフトコントラスト変動推論(SoftCVI)を導入し、コントラスト推定フレームワークを用いて変動対象のファミリーを導出する。我々は、SoftCVIを用いて、訓練や大量発見に安定な目標を定式化することができ、他の変分アプローチよりも頻繁に優れた推論が可能であることを発見した。
論文参考訳（メタデータ） (2024-07-22T14:54:12Z)
Causal Discovery-Driven Change Point Detection in Time Series [32.424281626708336]
時系列における変化点検出は、時系列の確率分布が変化する時間を特定する。実践的な応用では、時系列の特定の構成要素にのみ興味を持ち、その分布の急激な変化を探求する。
論文参考訳（メタデータ） (2024-07-10T00:54:42Z)
Tilt your Head: Activating the Hidden Spatial-Invariance of Classifiers [0.7704032792820767]
ディープニューラルネットワークは、日々の生活の多くの領域に適用されている。これらは、空間的に変換された入力信号に頑健に対処するなど、依然として必須の能力が欠如している。本稿では,ニューラルネットの推論過程をエミュレートする新しい手法を提案する。
論文参考訳（メタデータ） (2024-05-06T09:47:29Z)
Change Point Detection with Conceptors [0.6526824510982799]
オフラインの変更点検出は、時系列内の変更点を振り返って特定する。平均と分散の変化を対象とする多くの非パラメトリック手法は、非線形時間依存の存在下では失敗する。本稿では,任意の依存構造を持つベースライン学習窓の特性を学習するための概念行列を提案する。関連するエコー状態ネットワークはデータのデファシライザとして機能し、特徴間の相互作用の性質とベースライン状態との関係から変化点を識別する。
論文参考訳（メタデータ） (2023-08-11T16:32:00Z)
Training on Test Data with Bayesian Adaptation for Covariate Shift [96.3250517412545]
ディープニューラルネットワークは、信頼できない不確実性推定で不正確な予測を行うことが多い。分布シフトの下でのラベルなし入力とモデルパラメータとの明確に定義された関係を提供するベイズモデルを導出する。本手法は精度と不確実性の両方を向上することを示す。
論文参考訳（メタデータ） (2021-09-27T01:09:08Z)
Partially Observable Online Change Detection via Smooth-Sparse Decomposition [16.8028358824706]
本研究は,センサ容量の制限により,各センシング時点におけるデータストリームのサブセットのみを観測できる,疎度な変化を伴う高次元データストリームのオンライン変化検出について考察する。一方、検出方式は、部分的に観測可能なデータを扱うことができ、一方、スパース変化に対する効率的な検出能力を有するべきである。本稿では,CDSSDと呼ばれる新しい検出手法を提案する。特にスムーズな分解によるスムーズな変化を伴う高次元データの構造について述べる。
論文参考訳（メタデータ） (2020-09-22T16:03:04Z)
Tracking disease outbreaks from sparse data with Bayesian inference [55.82986443159948]
新型コロナウイルス(COVID-19)のパンデミックは、感染発生時の感染率を推定する新たな動機を与える。標準的な手法は、より細かいスケールで共通する部分的な観測可能性とスパースなデータに対応するのに苦労する。原理的に部分観測可能なベイズ的枠組みを提案する。
論文参考訳（メタデータ） (2020-09-12T20:37:33Z)
Interpolation and Learning with Scale Dependent Kernels [91.41836461193488]
非パラメトリックリッジレス最小二乗の学習特性について検討する。スケール依存カーネルで定義される推定器の一般的な場合を考える。
論文参考訳（メタデータ） (2020-06-17T16:43:37Z)
Spatially Adaptive Inference with Stochastic Feature Sampling and Interpolation [72.40827239394565]
スパースサンプリングされた場所のみの機能を計算することを提案する。次に、効率的な手順で特徴写像を密に再構築する。提案したネットワークは、様々なコンピュータビジョンタスクの精度を維持しながら、かなりの計算を省くために実験的に示されている。
論文参考訳（メタデータ） (2020-03-19T15:36:31Z)
Estimating Gradients for Discrete Random Variables by Sampling without Replacement [93.09326095997336]
我々は、置換のないサンプリングに基づいて、離散確率変数に対する期待値の偏りのない推定器を導出する。推定器は3つの異なる推定器のラオ・ブラックウェル化として導出可能であることを示す。
論文参考訳（メタデータ） (2020-02-14T14:15:18Z)

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。