論文の概要: Stochastic Approximation for High-frequency Observations in Data Assimilation

• arxiv url: http://arxiv.org/abs/2011.02672v1
• Date: Thu, 5 Nov 2020 06:02:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-29 12:51:47.668393
• Title: Stochastic Approximation for High-frequency Observations in Data Assimilation
• Title（参考訳）: データ同化における高周波観測の確率近似
• Authors: Shushu Zhang, Vivak Patel
• Abstract要約: 高周波センサは、ダウンストリーム推定の統計的精度を高める機会を提供するが、その周波数はデータ同化タスクにおける多くの計算問題をもたらす。 データ同化における高周波観測の独特な課題に対処するために近似法を適用する。 その結果, 上記の計算問題を回避し, 推定値の統計的精度を維持する方法で, 全観測値を活用する推定値を生成することができた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the increasing penetration of high-frequency sensors across a number of biological and physical systems, the abundance of the resulting observations offers opportunities for higher statistical accuracy of down-stream estimates, but their frequency results in a plethora of computational problems in data assimilation tasks. The high-frequency of these observations has been traditionally dealt with by using data modification strategies such as accumulation, averaging, and sampling. However, these data modification strategies will reduce the quality of the estimates, which may be untenable for many systems. Therefore, to ensure high-quality estimates, we adapt stochastic approximation methods to address the unique challenges of high-frequency observations in data assimilation. As a result, we are able to produce estimates that leverage all of the observations in a manner that avoids the aforementioned computational problems and preserves the statistical accuracy of the estimates.
• Abstract（参考訳）: 多くの生物学的および物理的システムにおける高周波センサの浸透の増加に伴い、観測結果の豊富さは、下流推定よりも高い統計的精度の機会を提供するが、それらの周波数はデータ同化タスクにおける多くの計算問題をもたらす。 これらの観測の高周波は、蓄積、平均化、サンプリングといったデータ修正戦略を用いて伝統的に対処されてきた。 しかし、これらのデータ修正戦略は、多くのシステムでは不可能な見積もりの質を低下させる。 そこで,データ同化における高周波観測の独特な課題に対処するために,確率近似法を適用した。 その結果, 上記の計算問題を回避し, 推定値の統計的精度を維持する方法で, 全観測値を活用する推定値を生成することができた。

関連論文リスト

• Denoising ESG: quantifying data uncertainty from missing data with Machine Learning and prediction intervals [43.5280757929682]
  本稿では,実世界のESGデータセットに欠落したデータを計算するために,確立された機械学習手法の適用について検討する。 本研究は,複数の計算手法を用いて計算手法のロバスト性を評価し,欠落データに関連する不確実性を定量化する。
  論文  参考訳（メタデータ） (2024-07-29T14:31:44Z)
• Harnessing Data Augmentation to Quantify Uncertainty in the Early Estimation of Single-Photon Source Quality [8.397730500554047]
  本研究では、機械学習技術であるデータ拡張を用いて、ブートストラップされたサンプルを用いて実験データを補足する手法について検討する。 単一のInGaAs/GaAsエピタキシャル量子ドットを含む測定結果から得られた8つのデータセットは、初歩的な例である。
  論文  参考訳（メタデータ） (2023-06-22T05:17:26Z)
• Anomaly Detection with Variance Stabilized Density Estimation [49.46356430493534]
  本稿では, 観測試料の確率を最大化するための分散安定化密度推定問題を提案する。 信頼性の高い異常検知器を得るために,分散安定化分布を学習するための自己回帰モデルのスペクトルアンサンブルを導入する。 我々は52のデータセットで広範なベンチマークを行い、我々の手法が最先端の結果につながることを示した。
  論文  参考訳（メタデータ） (2023-06-01T11:52:58Z)
• DeepVol: Volatility Forecasting from High-Frequency Data with Dilated Causal Convolutions [53.37679435230207]
  本稿では,Dilated Causal Convolutionsに基づくDeepVolモデルを提案する。 実験結果から,提案手法は高頻度データからグローバルな特徴を効果的に学習できることが示唆された。
  論文  参考訳（メタデータ） (2022-09-23T16:13:47Z)
• Scalable Sensitivity and Uncertainty Analysis for Causal-Effect Estimates of Continuous-Valued Interventions [34.19821413853115]
  観測データから継続的に評価された介入の効果を推定することは、気候科学、医療、経済学などの分野において極めて重要である。 我々は, 連続処理効果限界感度モデル(CMSM)を開発し, 観測データと研究者が定義した隠れ共役レベルの両方に適合する境界を導出する。 本研究では,これらの境界を高次元・大局的な観測データに対して効率的に推定するために,境界と不確実性を考慮した深部モデルを導出するスケーラブルなアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-04-21T11:15:10Z)
• High Dimensional Statistical Estimation under One-bit Quantization [27.718986773043643]
  1ビット(バイナリ)データは、信号ストレージ、処理、送信、プライバシーの強化といった効率性のために、多くのアプリケーションで好まれる。 本稿では,3つの基本的な統計的推定問題について検討する。 ガウス系と重尾系の両方で、高次元スケーリングを扱う新しい推定器が提案されている。
  論文  参考訳（メタデータ） (2022-02-26T15:13:04Z)
• Gaining Outlier Resistance with Progressive Quantiles: Fast Algorithms and Theoretical Studies [1.6457778420360534]
  任意の損失関数を強固化するために, 外部抵抗推定の枠組みを導入する。 通常のデータセットでは、データ再見積の回数を大幅に削減できるような、開始点の要件を緩和する新しい手法が提案されている。 得られた推定器は、必ずしも大域的でも大域的でもなくても、両方の低次元において最適性を楽しむことができる。
  論文  参考訳（メタデータ） (2021-12-15T20:35:21Z)
• Doing Great at Estimating CATE? On the Neglected Assumptions in Benchmark Comparisons of Treatment Effect Estimators [91.3755431537592]
  もっとも単純な設定であっても、無知性仮定に基づく推定は誤解を招く可能性があることを示す。 異種処理効果評価のための機械学習ベンチマークデータセットを2つ検討した。 ベンチマークデータセットの固有の特性が、他のものよりもいくつかのアルゴリズムを好んでいる点を強調します。
  論文  参考訳（メタデータ） (2021-07-28T13:21:27Z)
• Quantifying Uncertainty in Deep Spatiotemporal Forecasting [67.77102283276409]
  本稿では,正規格子法とグラフ法という2種類の予測問題について述べる。 我々はベイジアンおよび頻繁な視点からUQ法を解析し、統計的決定理論を通じて統一的な枠組みを提示する。 実際の道路ネットワークのトラフィック、疫病、空気質予測タスクに関する広範な実験を通じて、異なるUQ手法の統計計算トレードオフを明らかにする。
  論文  参考訳（メタデータ） (2021-05-25T14:35:46Z)
• Variable Skipping for Autoregressive Range Density Estimation [84.60428050170687]
  深部自己回帰モデルを用いた距離密度推定を高速化する手法である可変スキップについて述べる。 可変スキップは、10-100$timesの効率向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2020-07-10T19:01:40Z)
• Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
  後続正則化に基づく近似ベイズ推定法を開発した。 前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
  論文  参考訳（メタデータ） (2020-06-26T13:50:19Z)

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。