論文の概要: Differentiable Divergences Between Time Series

• arxiv url: http://arxiv.org/abs/2010.08354v3
• Date: Thu, 25 Feb 2021 23:13:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-06 20:21:30.752195
• Title: Differentiable Divergences Between Time Series
• Title（参考訳）: 時系列間の微分可能な発散
• Authors: Mathieu Blondel and Arthur Mensch and Jean-Philippe Vert
• Abstract要約: 可変サイズの時系列間の相違を解消するために,ソフトDTW発散と呼ばれる新しい発散法を提案する。 2つの時系列が等しい場合に限って、非負で最小化されることが示される。 また、エントロピーバイアスをさらに除去することで、新たな「シャープ」変種を提案する。
• 参考スコア（独自算出の注目度）: 34.60983018798683
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computing the discrepancy between time series of variable sizes is notoriously challenging. While dynamic time warping (DTW) is popularly used for this purpose, it is not differentiable everywhere and is known to lead to bad local optima when used as a "loss". Soft-DTW addresses these issues, but it is not a positive definite divergence: due to the bias introduced by entropic regularization, it can be negative and it is not minimized when the time series are equal. We propose in this paper a new divergence, dubbed soft-DTW divergence, which aims to correct these issues. We study its properties; in particular, under conditions on the ground cost, we show that it is a valid divergence: it is non-negative and minimized if and only if the two time series are equal. We also propose a new "sharp" variant by further removing entropic bias. We showcase our divergences on time series averaging and demonstrate significant accuracy improvements compared to both DTW and soft-DTW on 84 time series classification datasets.
• Abstract（参考訳）: 変数サイズの時系列間の不一致を計算することは、非常に難しい。 ダイナミック・タイム・ワーピング(dtw)はこの目的のために広く使われているが、至るところでは微分可能ではなく、「損失」として使われると悪い局所的オプティマを引き起こすことが知られている。 ソフトDTWはこれらの問題に対処するが、これは正の定性分岐ではない: エントロピー正則化によって導入されたバイアスのため、負となり、時系列が等しいときに最小化されない。 本稿では,これらの問題を修正するために,ソフトDTW発散と呼ばれる新しい発散を提案する。 我々はその性質について研究し、特に地価の条件下では、それが有効な分岐であることを示し、それは非負であり、二つの時系列が等しければ最小化される。 また,エントロピーバイアスを除去し,新たな「シャープ」変種を提案する。 時系列分類では, DTW と Soft-DTW のいずれよりも精度が向上し, 時系列分類の精度が向上した。

関連論文リスト

• Variance-Aware Regret Bounds for Stochastic Contextual Dueling Bandits [53.281230333364505]
  本稿では, 一般化線形モデル(GLM)から, デュエルアームのバイナリ比較を生成するコンテキストデュエルバンド問題について検討する。 本稿では,SupLinUCB型アルゴリズムを提案する。このアルゴリズムは,計算効率と分散を意識したリセットバウンド$tilde Obig(dsqrtsum_t=1Tsigma_t2 + dbig)$を提案する。 我々の後悔は、比較が決定論的である場合の直感的な期待と自然に一致し、アルゴリズムは$tilde O(d)$ regretにのみ悩まされる。
  論文  参考訳（メタデータ） (2023-10-02T08:15:52Z)
• OTW: Optimal Transport Warping for Time Series [75.69837166816501]
  動的時間温暖化(DTW)は時系列間の距離を測定するための実用的な選択肢となっている。 最適アライメント行列を正確に計算する必要がある場合、それは避けられない二次時間複雑性に悩まされる。 我々は、OTW(Optimal Transport Warping)と呼ばれる、最適輸送フレームワークに基づく時系列データのための新しいメトリクスを導入する。
  論文  参考訳（メタデータ） (2023-06-01T12:45:00Z)
• Deep Declarative Dynamic Time Warping for End-to-End Learning of Alignment Paths [54.53208538517505]
  本稿では、動的時間ワープ(DTW)による時間的アライメントステップを含む時系列データのエンドツーエンド学習モデルについて述べる。 そこで我々は,2レベル最適化とDecDTWと呼ばれる深層宣言ネットワークに基づくDTW層を提案する。 この特性は、下流損失関数が最適アライメントパス自身で定義されるアプリケーションに特に有用であることを示す。
  論文  参考訳（メタデータ） (2023-03-19T21:58:37Z)
• Approximating DTW with a convolutional neural network on EEG data [9.409281517596396]
  動的時間ラッピング(DTW)の高速かつ微分可能な近似法を提案する。 提案手法は,計算効率が向上した他のDTW主近似と同等以上の精度が得られることを示す。
  論文  参考訳（メタデータ） (2023-01-30T13:27:47Z)
• Uncertainty-DTW for Time Series and Sequences [38.27785891922479]
  本稿では、動的時間ワープの微分可能バージョン(ソフト)のいわゆるアレタリック不確かさをモデル化することを提案する。 我々の不確実性DTWは、全ての経路の中で最小の重み付き経路距離である。 本稿では,時系列の進化予測,時系列のFr'echet平均の推定,および3次元関節関節の監督・教師なし動作認識について紹介する。
  論文  参考訳（メタデータ） (2022-10-30T17:06:55Z)
• Amercing: An Intuitive, Elegant and Effective Constraint for Dynamic Time Warping [6.063782572064742]
  Amerced Dynamic Time Warping (ADTW) は、直感的で直感的な新しいDTW変種で、固定的な加算コストでワープの行為を罰する。 直感的な結果を得るためにパラメータ化を行う方法を示し、標準時系列分類ベンチマークでその有用性を示す。
  論文  参考訳（メタデータ） (2021-11-26T05:11:04Z)
• Optimization Variance: Exploring Generalization Properties of DNNs [83.78477167211315]
  ディープニューラルネットワーク(DNN)のテストエラーは、しばしば二重降下を示す。 そこで本研究では,モデル更新の多様性を測定するために,新しい測度である最適化分散(OV)を提案する。
  論文  参考訳（メタデータ） (2021-06-03T09:34:17Z)
• A Case-Study on the Impact of Dynamic Time Warping in Time Series Regression [2.639737913330821]
  本研究では,1波長のみを考慮した場合,動的時間ワープ(DTW)が回帰作業の精度向上に有効であることを示す。 k-Nearest Neighbourと組み合わせると、DTWは、時系列のレベルでサンプル間の類似点と相違点を明らかにすることができるという利点が追加される。 しかし、この問題では、このデータは波長の広い範囲で利用できると考えている。
  論文  参考訳（メタデータ） (2020-10-11T15:21:21Z)
• Aligning Time Series on Incomparable Spaces [83.8261699057419]
  本稿では,Gromov dynamic time warping (GDTW)を提案する。 比較不可能な空間に居住する時系列の調整,合成,比較を行う上での有効性を実証する。
  論文  参考訳（メタデータ） (2020-06-22T22:19:28Z)

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。