Fugu-MT 論文翻訳(概要): Statistical analysis of Wasserstein GANs with applications to time series forecasting

論文の概要: Statistical analysis of Wasserstein GANs with applications to time series forecasting

arxiv url: http://arxiv.org/abs/2011.03074v1
Date: Thu, 5 Nov 2020 19:45:59 GMT
ステータス: 処理完了
システム内更新日: 2022-09-29 12:51:33.380300
Title: Statistical analysis of Wasserstein GANs with applications to time series forecasting
Title（参考訳）: ワッサースタインganの統計的解析と時系列予測への応用
Authors: Moritz Haas, Stefan Richter
Abstract要約: We provide statistics theory for conditional and unconditional Wasserstein generative adversarial network (WGANs)。修正ワッサーシュタイン型距離に対するWGAN推定器の過剰ベイズリスクの上限を証明した。我々は、推定器の弱収束に関する文を形式化し、導出し、新しい観測のために信頼区間を発達させる。
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: We provide statistical theory for conditional and unconditional Wasserstein generative adversarial networks (WGANs) in the framework of dependent observations. We prove upper bounds for the excess Bayes risk of the WGAN estimators with respect to a modified Wasserstein-type distance. Furthermore, we formalize and derive statements on the weak convergence of the estimators and use them to develop confidence intervals for new observations. The theory is applied to the special case of high-dimensional time series forecasting. We analyze the behavior of the estimators in simulations based on synthetic data and investigate a real data example with temperature data. The dependency of the data is quantified with absolutely regular beta-mixing coefficients.
Abstract（参考訳）: 条件付きおよび非条件付きワッサースタイン生成逆逆ネットワーク(wgans)の統計理論を従属観測の枠組みで提供する。我々は、wgan推定器の余剰ベイズリスクの上限を、修正ワッサースタイン型距離に関して証明する。さらに、推定器の弱収束に関する文を形式化し、導出し、新しい観測のために信頼区間を発達させる。この理論は高次元時系列予測の特別な場合に適用される。本研究では, シミュレーションにおける推定器の挙動を合成データに基づいて解析し, 実データ例を温度データを用いて検討する。データの依存関係は、完全に定期的なベータ混合係数で定量化される。

関連論文リスト

Deep Learning Methods for the Noniterative Conditional Expectation G-Formula for Causal Inference from Complex Observational Data [3.0958655016140892]
g-formula は観測データを用いて持続的治療戦略の因果効果を推定するために用いられる。パラメトリックモデルはモデルの誤特定を受けており、バイアスのある因果推定をもたらす可能性がある。 NICE g-formula 推定器のための統合型ディープラーニングフレームワークを提案する。
論文参考訳（メタデータ） (2024-10-28T21:00:46Z)
Convergence of Score-Based Discrete Diffusion Models: A Discrete-Time Analysis [56.442307356162864]
連続時間マルコフ連鎖(CTMC)に基づくスコアベース離散拡散モデルの理論的側面について検討する。本稿では,事前定義された時間点におけるスコア推定値を利用する離散時間サンプリングアルゴリズムを一般状態空間$[S]d$に導入する。我々の収束解析はジルサノフ法を用いて離散スコア関数の重要な性質を確立する。
論文参考訳（メタデータ） (2024-10-03T09:07:13Z)
A Likelihood Based Approach to Distribution Regression Using Conditional Deep Generative Models [6.647819824559201]
本研究では,条件付き深部生成モデルの推定のための可能性に基づくアプローチの大規模サンプル特性について検討する。その結果,条件分布を推定するための最大極大推定器の収束率を導いた。
論文参考訳（メタデータ） (2024-10-02T20:46:21Z)
Risk and cross validation in ridge regression with correlated samples [72.59731158970894]
我々は,データポイントが任意の相関関係を持つ場合,リッジ回帰のイン・オブ・サンプルリスクのトレーニング例を提供する。さらに、テストポイントがトレーニングセットと非自明な相関を持ち、時系列予測で頻繁に発生するような場合まで分析を拡張します。我々は多種多様な高次元データにまたがって理論を検証する。
論文参考訳（メタデータ） (2024-08-08T17:27:29Z)
Modeling High-Dimensional Data with Unknown Cut Points: A Fusion Penalized Logistic Threshold Regression [2.520538806201793]
従来のロジスティック回帰モデルでは、リンク関数は線形で連続であると見なされることが多い。我々は、全ての連続した特徴が順序レベルに離散化され、さらにバイナリ応答が決定されるしきい値モデルを考える。糖尿病のような慢性疾患の早期発見と予知の問題において,ラッソモデルが好適であることが判明した。
論文参考訳（メタデータ） (2022-02-17T04:16:40Z)
TACTiS: Transformer-Attentional Copulas for Time Series [76.71406465526454]
時間変化量の推定は、医療や金融などの分野における意思決定の基本的な構成要素である。本稿では,アテンションベースデコーダを用いて関節分布を推定する多元的手法を提案する。本研究では,本モデルが実世界の複数のデータセットに対して最先端の予測を生成することを示す。
論文参考訳（メタデータ） (2022-02-07T21:37:29Z)
Heavy-tailed Streaming Statistical Estimation [58.70341336199497]
ストリーミング$p$のサンプルから重み付き統計推定の課題を考察する。そこで我々は,傾きの雑音に対して,よりニュアンスな条件下での傾きの傾きの低下を設計し,より詳細な解析を行う。
論文参考訳（メタデータ） (2021-08-25T21:30:27Z)
Projected Statistical Methods for Distributional Data on the Real Line with the Wasserstein Metric [0.0]
本研究では,実線上の確率分布のデータセットに関する統計解析を行うための,新規な予測手法を提案する。特に主成分分析(PCA)と回帰に重点を置いています。モデルのいくつかの理論的性質が研究され、一貫性が証明される。
論文参考訳（メタデータ） (2021-01-22T10:24:49Z)
Robust W-GAN-Based Estimation Under Wasserstein Contamination [8.87135311567798]
Wasserstein汚染モデルに基づくいくつかの推定問題について検討し,生成ネットワーク(GAN)を動機とする計算可能なトラクタブル推定器を提案する。具体的には,逆位置推定,共分散行列推定,線形回帰のためのwasserstein ganに基づく推定器の特性を分析する。提案する推定器は,多くのシナリオにおいて最小限最適である。
論文参考訳（メタデータ） (2021-01-20T05:15:16Z)
On Disentangled Representations Learned From Correlated Data [59.41587388303554]
相関データに対する最も顕著な絡み合うアプローチの挙動を解析することにより、現実のシナリオにギャップを埋める。本研究では,データセットの体系的相関が学習され,潜在表現に反映されていることを示す。また、トレーニング中の弱い監督や、少数のラベルで事前訓練されたモデルを修正することで、これらの潜伏相関を解消する方法を実証する。
論文参考訳（メタデータ） (2020-06-14T12:47:34Z)
Nonparametric Score Estimators [49.42469547970041]
未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
論文参考訳（メタデータ） (2020-05-20T15:01:03Z)

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。