Fugu-MT 論文翻訳(概要): Decision-Aware Conditional GANs for Time Series Data

論文の概要: Decision-Aware Conditional GANs for Time Series Data

arxiv url: http://arxiv.org/abs/2009.12682v3
Date: Tue, 27 Oct 2020 20:18:47 GMT
ステータス: 処理完了
システム内更新日: 2022-10-14 08:26:34.021736
Title: Decision-Aware Conditional GANs for Time Series Data
Title（参考訳）: 時系列データのための決定型条件付きGAN
Authors: He Sun, Zhun Deng, Hui Chen, David C. Parkes
Abstract要約: 本稿では、時系列生成の方法として、意思決定対応の時系列条件付き逆数生成ネットワーク(DAT-CGAN)を紹介する。重なり合うブロックサンプリング法により,サンプル効率を向上し,DAT-CGANの一般化特性を理論的に評価する。
参考スコア（独自算出の注目度）: 30.669678656710825
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce the decision-aware time-series conditional generative adversarial network (DAT-CGAN) as a method for time-series generation. The framework adopts a multi-Wasserstein loss on structured decision-related quantities, capturing the heterogeneity of decision-related data and providing new effectiveness in supporting the decision processes of end users. We improve sample efficiency through an overlapped block-sampling method, and provide a theoretical characterization of the generalization properties of DAT-CGAN. The framework is demonstrated on financial time series for a multi-time-step portfolio choice problem. We demonstrate better generative quality in regard to underlying data and different decision-related quantities than strong, GAN-based baselines.
Abstract（参考訳）: 本稿では、時系列生成の方法として、意思決定対応の時系列条件付き逆数生成ネットワーク(DAT-CGAN)を紹介する。このフレームワークは、構造化決定関連量のマルチwasserstein損失を採用し、決定関連データの多様性を捉え、エンドユーザーの決定プロセスを支援する新しい効果を提供する。重なり合うブロックサンプリング法により,サンプル効率を向上し,DAT-CGANの一般化特性を理論的に評価する。このフレームワークは、複数ステップのポートフォリオ選択問題に対する金融時系列で実証される。基礎となるデータや意思決定関連量に関して,強力なGANベースラインよりも優れた生成品質を示す。

関連論文リスト

Advancing Enterprise Spatio-Temporal Forecasting Applications: Data Mining Meets Instruction Tuning of Language Models For Multi-modal Time Series Analysis in Low-Resource Settings [0.0]
パティオ時間予測は輸送、物流、サプライチェーン管理において重要である。本稿では,従来の予測手法の強みと小言語モデルの命令チューニングを融合した動的マルチモーダル手法を提案する。我々のフレームワークは、推論速度とデータプライバシ/セキュリティを維持しながら、計算とメモリの要求を低減したオンプレミスのカスタマイズを可能にする。
論文参考訳（メタデータ） (2024-08-24T16:32:58Z)
Switchable Decision: Dynamic Neural Generation Networks [98.61113699324429]
本稿では,各データインスタンスのリソースを動的に割り当てることで,推論を高速化するスイッチブルな決定を提案する。提案手法は, 同一の精度を維持しながら, 推論時のコスト低減に有効である。
論文参考訳（メタデータ） (2024-05-07T17:44:54Z)
Agreeing to Stop: Reliable Latency-Adaptive Decision Making via Ensembles of Spiking Neural Networks [36.14499894307206]
スパイキングニューラルネットワーク(英: Spiking Neural Network、SNN)は、入力時系列の間隔を利用して分類などのタスクを効率的に実行することができる反復モデルである。本稿では,SNNの信頼性向上を目的としたアンサンブルモデルの実装により,SNNの不確実性を高めることを提案する。
論文参考訳（メタデータ） (2023-10-25T14:40:33Z)
Portfolio Selection via Topological Data Analysis [2.3901301169141056]
本稿では、共通株式の投資ポートフォリオを構築するための2段階の方法を提案する。この方法は時系列表現の生成とその後のクラスタリングを含む。実験の結果,提案システムは他の手法よりも優れていることがわかった。
論文参考訳（メタデータ） (2023-08-15T09:36:43Z)
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)
Optimal Event Monitoring through Internet Mashup over Multivariate Time Series [77.34726150561087]
このフレームワークは、モデル定義、クエリ、パラメータ学習、モデル評価、データ監視、決定レコメンデーション、Webポータルのサービスをサポートする。さらに、MTSAデータモデルとクエリ言語を拡張して、学習、監視、レコメンデーションのサービスにおいて、この種の問題をサポートする。
論文参考訳（メタデータ） (2022-10-18T16:56:17Z)
Grouped self-attention mechanism for a memory-efficient Transformer [64.0125322353281]
天気予報、電力消費、株式市場などの現実世界のタスクには、時間とともに変化するデータの予測が含まれる。時系列データは通常、その周期的特性と時間的長期依存性のために、長いシーケンスで長い観察期間にわたって記録される。我々はGSA(Grouped Self-Attention)とCCA(Compressed Cross-Attention)の2つの新しいモジュールを提案する。提案モデルでは,既存の手法に匹敵する計算量と性能の低減が効果的に示された。
論文参考訳（メタデータ） (2022-10-02T06:58:49Z)
Continuous-Time Modeling of Counterfactual Outcomes Using Neural Controlled Differential Equations [84.42837346400151]
反現実的な結果を予測することは、パーソナライズされたヘルスケアをアンロックする可能性がある。既存の因果推論アプローチでは、観察と治療決定の間の通常の離散時間間隔が考慮されている。そこで本研究では,腫瘍増殖モデルに基づく制御可能なシミュレーション環境を提案する。
論文参考訳（メタデータ） (2022-06-16T17:15:15Z)
Explainable Multivariate Time Series Classification: A Deep Neural Network Which Learns To Attend To Important Variables As Well As Informative Time Intervals [32.30627405832656]
時系列データは、様々な現実世界のアプリケーションで広く使われている。このような予測モデルを理解するための重要な基準は、分類に対する時間変化の入力変数の寄与を解明し定量化することである。本稿では,変数と時間間隔を同時に識別し,分類出力を決定する新しい,モジュール型・畳み込み型特徴抽出・注目機構を提案する。
論文参考訳（メタデータ） (2020-11-23T19:16:46Z)
Stein Variational Model Predictive Control [130.60527864489168]
不確実性の下での意思決定は、現実の自律システムにとって極めて重要である。モデル予測制御 (MPC) 法は, 複雑な分布を扱う場合, 適用範囲が限られている。この枠組みが、挑戦的で非最適な制御問題における計画の成功に繋がることを示す。
論文参考訳（メタデータ） (2020-11-15T22:36:59Z)
A study of the Multicriteria decision analysis based on the time-series features and a TOPSIS method proposal for a tensorial approach [1.3750624267664155]
本稿では, 時系列の特徴(依存性, ばらつきなど)に基づいて, 選択肢をランク付けする新しい手法を提案する。この新しいアプローチでは、データは3次元で構造化され、テキストテンソルのようなより複雑なデータ構造を必要とする。計算結果から,有意義な意思決定情報を考慮することで,新たな視点から選択肢をランク付けすることが可能であることが示唆された。
論文参考訳（メタデータ） (2020-10-21T14:37:02Z)

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。