Fugu-MT 論文翻訳(概要): TOTOPO: Classifying univariate and multivariate time series with Topological Data Analysis

論文の概要: TOTOPO: Classifying univariate and multivariate time series with Topological Data Analysis

arxiv url: http://arxiv.org/abs/2010.05056v1
Date: Sat, 10 Oct 2020 17:57:59 GMT
ステータス: 処理完了
システム内更新日: 2022-10-08 23:30:29.776302
Title: TOTOPO: Classifying univariate and multivariate time series with Topological Data Analysis
Title（参考訳）: TOTOPO:トポロジカルデータ分析による一変量・多変量時系列の分類
Authors: Polina Pilyugina, Rodrigo Rivera-Castro, Eugeny Burnaev
Abstract要約: この研究は、トポロジカルデータ解析の時系列分類に関する包括的な分析に費やされている。異なるタイプのパーシステンス図からトポロジ的記述子を抽出するTOTOPOを提案する。
参考スコア（独自算出の注目度）: 0.9023847175654602
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This work is devoted to a comprehensive analysis of topological data analysis fortime series classification. Previous works have significant shortcomings, such aslack of large-scale benchmarking or missing state-of-the-art methods. In this work,we propose TOTOPO for extracting topological descriptors from different types ofpersistence diagrams. The results suggest that TOTOPO significantly outperformsexisting baselines in terms of accuracy. TOTOPO is also competitive with thestate-of-the-art, being the best on 20% of univariate and 40% of multivariate timeseries datasets. This work validates the hypothesis that TDA-based approaches arerobust to small perturbations in data and are useful for cases where periodicity andshape help discriminate between classes.
Abstract（参考訳）: この研究は、トポロジカルデータ解析の時系列分類に関する包括的な分析に費やされている。以前の作業には、大規模なベンチマークのaslackや最先端メソッドの欠如など、重大な欠点がある。本研究では,異なるタイプのパーシステンス図からトポロジ的記述子を抽出するTOTOPOを提案する。その結果,totopoの精度は基準値よりも有意に高かった。 TOTOPOは最先端の最先端とも競合し、ユニバリアイトの20%と多変量時系列データセットの40%で最高である。この研究は、TDAに基づくアプローチがデータの小さな摂動に乱れ、周期性と形がクラス間の識別に役立っているという仮説を検証する。

関連論文リスト

An End-to-End Model for Time Series Classification In the Presence of Missing Values [25.129396459385873]
時系列分析では,データ不足による時系列分類が問題となっている。本研究では,データ計算と表現学習を単一のフレームワーク内で統一するエンドツーエンドニューラルネットワークを提案する。
論文参考訳（メタデータ） (2024-08-11T19:39:12Z)
Exploring Hierarchical Classification Performance for Time Series Data: Dissimilarity Measures and Classifier Comparisons [0.0]
本研究では,時系列データ解析における階層分類(HC)とフラット分類(FC)の手法の比較性能について検討した。 Jensen-Shannon Distance (JSD), Task similarity Distance (TSD), Based Distance (CBD)などの異種性対策が活用されている。
論文参考訳（メタデータ） (2024-02-07T21:46:26Z)
Characterizing the Optimal 0-1 Loss for Multi-class Classification with a Test-time Attacker [57.49330031751386]
我々は,任意の離散データセット上の複数クラス分類器に対するテスト時間攻撃の存在下での損失に対する情報理論的下位境界を求める。本稿では,データと敵対的制約から競合ハイパーグラフを構築する際に発生する最適0-1損失を求めるための一般的なフレームワークを提供する。
論文参考訳（メタデータ） (2023-02-21T15:17:13Z)
IRTCI: Item Response Theory for Categorical Imputation [5.9952530228468754]
欠落したデータをスタンドイン値に置き換えるために、いくつかの計算手法が設計されている。ここで紹介された作品は、アイテム応答理論(IRT)に基づく分類論的計算の新しい手段を提供する。これらの手法を比較した分析は、3つの異なるデータセットで行われた。
論文参考訳（メタデータ） (2023-02-08T16:17:20Z)
Systematic Evaluation of Predictive Fairness [60.0947291284978]
バイアス付きデータセットのトレーニングにおけるバイアスの緩和は、重要なオープンな問題である。複数のタスクにまたがる様々なデバイアス化手法の性能について検討する。データ条件が相対モデルの性能に強い影響を与えることがわかった。
論文参考訳（メタデータ） (2022-10-17T05:40:13Z)
Selecting the suitable resampling strategy for imbalanced data classification regarding dataset properties [62.997667081978825]
医学、情報検索、サイバーセキュリティ、ソーシャルメディアなどの多くのアプリケーションドメインでは、分類モデルの導入に使用されるデータセットは、各クラスのインスタンスの不平等な分布を持つことが多い。この状況は不均衡データ分類と呼ばれ、少数民族の例では予測性能が低い。オーバーサンプリングとアンダーサンプリングの技術は、各クラスの例の数とバランスをとることでこの問題に対処する、よく知られた戦略である。
論文参考訳（メタデータ） (2021-12-15T18:56:39Z)
Nonparametric Functional Analysis of Generalized Linear Models Under Nonlinear Constraints [0.0]
本稿では、一般化線形モデルのための新しい非パラメトリック方法論を紹介する。これは二項回帰の強さとカテゴリーデータに対する潜在変数の定式化の強さを組み合わせたものである。これは最近公開された方法論のパラメトリックバージョンを拡張し、一般化する。
論文参考訳（メタデータ） (2021-10-11T04:49:59Z)
A comprehensive comparative evaluation and analysis of Distributional Semantic Models [61.41800660636555]
我々は、静的DSMによって生成されたり、BERTによって生成された文脈化されたベクトルを平均化して得られるような、型分布ベクトルの包括的評価を行う。その結果、予測ベースモデルの優越性は現実よりも明らかであり、ユビキタスではないことが明らかとなった。我々は認知神経科学からRepresentational similarity Analysis(RSA)の方法論を借りて、分布モデルによって生成された意味空間を検査する。
論文参考訳（メタデータ） (2021-05-20T15:18:06Z)
Interpretable Feature Construction for Time Series Extrinsic Regression [0.028675177318965035]
一部のアプリケーション領域では、対象変数が数値であり、その問題は時系列外部回帰(TSER)として知られている。 TSERの文脈における頑健で解釈可能な特徴構築と選択のためのベイズ法の拡張を提案する。私たちのアプローチは、TSERに取り組むためのリレーショナルな方法を利用します:(i)、リレーショナルデータスキームに格納されている時系列の多様で単純な表現を構築し、(ii)二次テーブルからデータを「フラット化」するために解釈可能な機能を構築するためにプロポジション化技術を適用します。
論文参考訳（メタデータ） (2021-03-15T08:12:19Z)
Theoretical Insights Into Multiclass Classification: A High-dimensional Asymptotic View [82.80085730891126]
線形多クラス分類の最初の現代的精度解析を行う。分析の結果,分類精度は分布に依存していることがわかった。得られた洞察は、他の分類アルゴリズムの正確な理解の道を開くかもしれない。
論文参考訳（メタデータ） (2020-11-16T05:17:29Z)
Good Classifiers are Abundant in the Interpolating Regime [64.72044662855612]
補間分類器間のテストエラーの完全な分布を正確に計算する手法を開発した。テストエラーは、最悪の補間モデルのテストエラーから大きく逸脱する、小さな典型的な$varepsilon*$に集中する傾向にある。以上の結果から,統計的学習理論における通常の解析手法は,実際に観測された優れた一般化性能を捉えるのに十分な粒度にはならない可能性が示唆された。
論文参考訳（メタデータ） (2020-06-22T21:12:31Z)

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。