論文の概要: Feature Clustering for Support Identification in Extreme Regions

• arxiv url: http://arxiv.org/abs/2008.07365v2
• Date: Mon, 8 Feb 2021 15:54:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-30 22:48:17.805984
• Title: Feature Clustering for Support Identification in Extreme Regions
• Title（参考訳）: 極端領域におけるサポート識別のための特徴クラスタリング
• Authors: Hamid Jalalzai and R\'emi Leluc
• Abstract要約: 極値の依存構造の一般的な特徴は角測度である。 本稿では,エクストリームの依存構造を評価するための新しい最適化手法を提案する。
• 参考スコア（独自算出の注目度）: 5.6928413790238865
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding the complex structure of multivariate extremes is a major challenge in various fields from portfolio monitoring and environmental risk management to insurance. In the framework of multivariate Extreme Value Theory, a common characterization of extremes' dependence structure is the angular measure. It is a suitable measure to work in extreme regions as it provides meaningful insights concerning the subregions where extremes tend to concentrate their mass. The present paper develops a novel optimization-based approach to assess the dependence structure of extremes. This support identification scheme rewrites as estimating clusters of features which best capture the support of extremes. The dimension reduction technique we provide is applied to statistical learning tasks such as feature clustering and anomaly detection. Numerical experiments provide strong empirical evidence of the relevance of our approach.
• Abstract（参考訳）: 多変量極端の複雑な構造を理解することは、ポートフォリオ監視や環境リスク管理から保険まで、様々な分野で大きな課題である。 多変量極値理論の枠組みにおいて、極値の依存構造の一般的な特徴付けは角測度である。 極端者が集中する傾向があるサブリージョンに関する有意義な洞察を提供するため、極端地域で働くのに適した手段である。 本稿では,エクストリームの依存構造を評価するための新しい最適化手法を提案する。 このサポート識別スキームは、エクストリームのサポートを最善に捉えた特徴のクラスタを推定するものとして書き直される。 本稿では,特徴クラスタリングや異常検出などの統計的学習タスクに適用する。 数値実験は、我々のアプローチの関連性の強い実証的な証拠を提供する。

関連論文リスト

• Inter Observer Variability Assessment through Ordered Weighted Belief Divergence Measure in MAGDM Application to the Ensemble Classifier Feature Fusion [1.3586572110652486]
  コンセンサス結果を得るために,多属性グループ意思決定(MAGDM)が広く導入されている。 本研究では,観測間の変動を評価し,不確実性に対処するEvidential MAGDM法を提案する。
  論文  参考訳（メタデータ） (2024-09-13T00:53:00Z)
• Trusted Unified Feature-Neighborhood Dynamics for Multi-View Classification [16.994115410201974]
  マルチビュー分類(MVC)は、異なる視点におけるドメインギャップと不整合に起因する固有の課題に直面している。 堅牢なMVCのためのTUNED(Trusted Unified Feature-Neighborhood Dynamics)モデルを提案する。 この手法は, 局所的およびグローバルな特徴近傍構造(F-N)を, 堅牢な意思決定のために効果的に統合する。
  論文  参考訳（メタデータ） (2024-09-01T15:48:20Z)
• GenBench: A Benchmarking Suite for Systematic Evaluation of Genomic Foundation Models [56.63218531256961]
  我々はGenomic Foundation Modelsの有効性を評価するためのベンチマークスイートであるGenBenchを紹介する。 GenBenchはモジュラーで拡張可能なフレームワークを提供し、様々な最先端の方法論をカプセル化している。 本稿では,タスク固有性能におけるモデルアーキテクチャとデータセット特性の相互作用のニュアンス解析を行う。
  論文  参考訳（メタデータ） (2024-06-01T08:01:05Z)
• Latent Embedding Clustering for Occlusion Robust Head Pose Estimation [7.620379605206596]
  頭部ポーズ推定は、幅広い応用において有用であることから、コンピュータビジョンにおいて重要な研究領域となっている。 この分野で最も難しい課題の1つは、現実世界のシナリオで頻繁に発生するヘッドオクルージョンの管理である。 我々は,現実の頭部閉塞のシナリオにおいて堅牢な,新規で効率的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-29T15:57:38Z)
• Revisiting Deep Generalized Canonical Correlation Analysis [30.389620125859356]
  正準相関解析は、2つ以上の観測されたランダムベクトルの基盤となる潜在共変分法を発見するための古典的な方法である。 CCAの様々な拡張とバリエーションが提案され、マルチビューデータセットから一般的なランダムな要因を明らかにすることで、我々の能力を強化した。 本稿では,近年の深部CCAの決定論的拡張について再考し,これらの最先端手法の強みと限界を強調した。
  論文  参考訳（メタデータ） (2023-12-20T22:15:10Z)
• Distributionally Robust Model-based Reinforcement Learning with Large State Spaces [55.14361269378122]
  強化学習における3つの大きな課題は、大きな状態空間を持つ複雑な力学系、コストのかかるデータ取得プロセス、トレーニング環境の展開から現実の力学を逸脱させることである。 広範に用いられているKullback-Leibler, chi-square, および全変分不確実性集合の下で, 連続状態空間を持つ分布ロバストなマルコフ決定過程について検討した。 本稿では,ガウス過程と最大分散削減アルゴリズムを用いて,多出力名目遷移力学を効率的に学習するモデルベースアプローチを提案する。
  論文  参考訳（メタデータ） (2023-09-05T13:42:11Z)
• A VAE Approach to Sample Multivariate Extremes [6.548734807475054]
  本稿では,重み付き分布をサンプリングするための変分オートエンコーダ(VAE)アプローチについて述べる。 本研究は,ドナウ川流域における人工的データセットと実測値との関係について述べる。 テストデータセットの標準VAEよりも優れているだけでなく、競合するEVTベースの生成手法との比較も提供する。
  論文  参考訳（メタデータ） (2023-06-19T14:53:40Z)
• Learning to Fuse Monocular and Multi-view Cues for Multi-frame Depth Estimation in Dynamic Scenes [51.20150148066458]
  一般化されたマスクを必要とせず,ボリュームとして符号化された多視点と単眼のキューを融合させる新しい手法を提案する。 実世界のデータセットを用いた実験は,提案手法の有効性と性能を実証する。
  論文  参考訳（メタデータ） (2023-04-18T13:55:24Z)
• A Unified Algorithm Framework for Unsupervised Discovery of Skills based on Determinantal Point Process [53.86223883060367]
  教師なしオプション発見における多様性とカバレッジは、実際には同じ数学的枠組みの下で統一可能であることを示す。 提案アルゴリズムであるODPPは,MujocoとAtariで作成した課題に対して,広範囲に評価されている。
  論文  参考訳（メタデータ） (2022-12-01T01:40:03Z)
• Cross-domain Object Detection through Coarse-to-Fine Feature Adaptation [62.29076080124199]
  本稿では,クロスドメインオブジェクト検出のための特徴適応手法を提案する。 粗粒度では、アテンション機構を採用して前景領域を抽出し、その辺縁分布に応じて整列する。 粒度の細かい段階では、同じカテゴリのグローバルプロトタイプと異なるドメインとの距離を最小化することにより、前景の条件分布アライメントを行う。
  論文  参考訳（メタデータ） (2020-03-23T13:40:06Z)
• Invariant Causal Prediction for Block MDPs [106.63346115341862]
  環境全体にわたる一般化は、実世界の課題への強化学習アルゴリズムの適用の成功に不可欠である。 本稿では,多環境環境における新しい観測を一般化するモデル不適合状態抽象化(MISA)を学習するための不変予測法を提案する。
  論文  参考訳（メタデータ） (2020-03-12T21:03:01Z)

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。