Fugu-MT 論文翻訳(概要): Hawkes Processes Modeling, Inference and Control: An Overview

論文の概要: Hawkes Processes Modeling, Inference and Control: An Overview

arxiv url: http://arxiv.org/abs/2011.13073v2
Date: Fri, 1 Jan 2021 18:34:54 GMT
ステータス: 処理完了
システム内更新日: 2022-09-20 12:07:54.257118
Title: Hawkes Processes Modeling, Inference and Control: An Overview
Title（参考訳）: hawkesプロセスモデリング、推論、制御:概要
Authors: Rafael Lima
Abstract要約: ホークス・プロセス(英: Hawkes Process)は、時間イベント間の自己説明をモデル化するポイント・プロセスの一種である。金融や地震、犯罪率、ソーシャルネットワークのアクティビティ分析など、無数の応用で使われている。
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: Hawkes Processes are a type of point process which models self-excitement among time events. It has been used in a myriad of applications, ranging from finance and earthquakes to crime rates and social network activity analysis.Recently, a surge of different tools and algorithms have showed their way up to top-tier Machine Learning conferences. This work aims to give a broad view of the recent advances on the Hawkes Processes modeling and inference to a newcomer to the field.
Abstract（参考訳）: hawkesプロセスは、時間イベント間の自己引用をモデル化するポイントプロセスの一種である。金融や地震、犯罪率、ソーシャルネットワークのアクティビティ分析など、数多くのアプリケーションで使用されているが、最近ではさまざまなツールやアルゴリズムが、トップレベルの機械学習カンファレンスへの道のりを見せている。この研究は、ホークス・プロセスのモデリングと新参者への推論における最近の進歩を広く見ることを目的としている。

関連論文リスト

Model Merging in LLMs, MLLMs, and Beyond: Methods, Theories, Applications and Opportunities [89.40778301238642]
モデルマージは、機械学習コミュニティにおける効率的なエンパワーメント技術である。これらの手法の体系的かつ徹底的なレビューに関する文献には大きなギャップがある。
論文参考訳（メタデータ） (2024-08-14T16:58:48Z)
Modeling Events and Interactions through Temporal Processes -- A Survey [2.703218544805573]
イベントモデリングの概念を改訂し、そのトピックに関する文献を特徴づける基盤を提供する。各家族に対して,ディープラーニングに基づく既存のアプローチを体系的にレビューする。提案手法が予測およびモデリングの側面に対処するためのシナリオを解析する。
論文参考訳（メタデータ） (2023-03-10T16:48:54Z)
Foundation Models for Decision Making: Problems, Methods, and Opportunities [124.79381732197649]
大規模に多様なデータに基づいて事前訓練された基礎モデルは、幅広いビジョンと言語タスクにおいて異常な能力を示してきた。ファンデーションモデルをトレーニングし、他のエージェントと対話し、長期的な推論を行うための新しいパラダイムが生まれている。基礎モデルと意思決定の交わりにおける研究は、強力な新しいシステムを作るための大きな約束である。
論文参考訳（メタデータ） (2023-03-07T18:44:07Z)
Fast Learning of Multidimensional Hawkes Processes via Frank-Wolfe [12.797408391731196]
多次元ホークス過程の学習のためのFrank-Wolfeアルゴリズムの適応について述べる。実験結果から,本手法は,他の一階法よりもパラメータ推定の精度が優れていた。
論文参考訳（メタデータ） (2022-12-12T17:57:09Z)
Multivariate Business Process Representation Learning utilizing Gramian Angular Fields and Convolutional Neural Networks [0.0]
データの意味のある表現を学習することは、機械学習の重要な側面である。予測的プロセス分析では、プロセスインスタンスのすべての説明的特性を利用できるようにすることが不可欠である。本稿では,ビジネスプロセスインスタンスの表現学習のための新しいアプローチを提案する。
論文参考訳（メタデータ） (2021-06-15T10:21:14Z)
Nonlinear Hawkes Processes in Time-Varying System [37.80255010291703]
ホークス過程(英: Hawkes process)は、自己および相互興奮現象をモデル化する能力を持つ点過程のクラスである。この研究は、状態プロセスが点プロセスと相互作用するために組み込まれているフレキシブルで非線形で非均一な変種を提案する。推論には潜時変数拡張法を用いて2つの効率的なベイズ推論アルゴリズムを設計する。
論文参考訳（メタデータ） (2021-06-09T07:06:05Z)
Dynamic Hawkes Processes for Discovering Time-evolving Communities' States behind Diffusion Processes [57.22860407362061]
拡散プロセスの背後にあるコミュニティ状態の基盤となるダイナミクスを捉えることができる新しいホークスプロセスモデルを提案する。提案手法はDHPと呼ばれ、時間発展するコミュニティの状態の複雑な表現を学習するための柔軟な方法を提供する。
論文参考訳（メタデータ） (2021-05-24T08:35:48Z)
Hawkes Processes on Graphons [85.6759041284472]
我々は、グランガー因果グラフに関連するホークス過程とその変種について研究する。対応するホークスプロセスを生成し、イベントシーケンスをシミュレートすることができる。生成した事象列と観測された事象列との間の階層的最適輸送距離を最小化することにより,提案モデルを学習する。
論文参考訳（メタデータ） (2021-02-04T17:09:50Z)
An Overview of Machine Learning Techniques for Radiowave Propagation Modeling [0.6853165736531939]
我々は、機械学習駆動の伝搬モデルに関連する主な課題として、入力と出力の仕様とモデルのアーキテクチャを識別する。これらの課題に対するそれぞれのアプローチに基づいて、論文を論じ、分類する。
論文参考訳（メタデータ） (2021-01-28T00:55:11Z)
Knowledge as Invariance -- History and Perspectives of Knowledge-augmented Machine Learning [69.99522650448213]
機械学習の研究は転換点にある。研究の関心は、高度にパラメータ化されたモデルのパフォーマンス向上から、非常に具体的なタスクへとシフトしている。このホワイトペーパーは、機械学習研究におけるこの新興分野の紹介と議論を提供する。
論文参考訳（メタデータ） (2020-12-21T15:07:19Z)
Towards CRISP-ML(Q): A Machine Learning Process Model with Quality Assurance Methodology [53.063411515511056]
本稿では,機械学習アプリケーション開発のためのプロセスモデルを提案する。第1フェーズでは、データの可用性がプロジェクトの実現可能性に影響を与えることが多いため、ビジネスとデータの理解が結合されます。第6フェーズでは、機械学習アプリケーションの監視とメンテナンスに関する最先端のアプローチがカバーされている。
論文参考訳（メタデータ） (2020-03-11T08:25:49Z)

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。