論文の概要: Probability distributions for analog-to-target distances
- arxiv url: http://arxiv.org/abs/2101.10640v1
- Date: Tue, 26 Jan 2021 09:10:12 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-13 19:37:13.412782
- Title: Probability distributions for analog-to-target distances
- Title(参考訳): アナログ-ターゲット距離の確率分布
- Authors: Paul Platzer, Pascal Yiou (ESTIMR), Philippe Naveau (ESTIMR),
Jean-Fran\c{c}ois Filipot, Maxime Thiebaut, Pierre Tandeo (IMT Atlantique -
SC)
- Abstract要約: 優れたアナログを見つけるのに必要なカタログのサイズに寸法が果たす役割を示す。
我々は、良好なアナログを見つけるのに必要なカタログのサイズ、および$K$-bestアナログの相対的な手段と分散に次元性が重要な役割を果たしていることを示す。
- 参考スコア(独自算出の注目度): 0.12314765641075436
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Some properties of chaotic dynamical systems can be probed through features
of recurrences, also called analogs. In practice, analogs are nearest
neighbours of the state of a system, taken from a large database called the
catalog. Analogs have been used in many atmospheric applications including
forecasts, downscaling, predictability estimation, and attribution of extreme
events. The distances of the analogs to the target state condition the
performances of analog applications. These distances can be viewed as random
variables, and their probability distributions can be related to the catalog
size and properties of the system at stake. A few studies have focused on the
first moments of return time statistics for the best analog, fixing an
objective of maximum distance from this analog to the target state. However,
for practical use and to reduce estimation variance, applications usually
require not just one, but many analogs. In this paper, we evaluate from a
theoretical standpoint and with numerical experiments the probability
distributions of the $K$-best analog-to-target distances. We show that
dimensionality plays a role on the size of the catalog needed to find good
analogs, and also on the relative means and variances of the $K$-best analogs.
Our results are based on recently developed tools from dynamical systems
theory. These findings are illustrated with numerical simulations of a
well-known chaotic dynamical system and on 10m-wind reanalysis data in
north-west France. A practical application of our derivations for the purpose
of objective-based dimension reduction is shown using the same reanalysis data.
- Abstract(参考訳): カオス力学系のいくつかの性質は、アナログとも呼ばれる再発の特徴を通して探究することができる。
実際には、アナログはシステム状態の最も近い隣人であり、カタログと呼ばれる大きなデータベースから取り出されている。
アナログは、予報、ダウンスケーリング、予測可能性推定、極端な事象の帰属など、多くの大気アプリケーションで使われてきた。
ターゲット状態へのアナログの距離は、アナログアプリケーションのパフォーマンスを条件にします。
これらの距離は確率変数と見なすことができ、それらの確率分布は、与えられたシステムのカタログサイズと特性に関連付けられる。
いくつかの研究は、最良のアナログに対する戻り時間統計の最初の瞬間に焦点を当て、このアナログから目標状態への最大距離の目標を定めている。
しかし、実用的利用と推定ばらつきの低減のためには、アプリケーションは通常1つだけでなく、多くのアナログを必要とする。
本稿では,理論的な観点から,k$-bestアナログ対ターゲット距離の確率分布を数値実験により評価する。
我々は、良好なアナログを見つけるのに必要なカタログのサイズ、および$K$-bestアナログの相対的な手段と分散に次元性が重要な役割を果たしていることを示す。
この結果は、最近開発された動的システム理論のツールに基づいている。
これらの結果は、フランス北西部でよく知られたカオス力学系と10m風再解析データの数値シミュレーションによって示される。
同じ再解析データを用いて,主観的次元削減を目的とした導出の実践的応用を示す。
関連論文リスト
- On the Dynamics of Inference and Learning [0.0]
本稿では,このベイズ更新過程を連続力学系として扱う。
クラムラーラオ境界が飽和すると、学習率は単純な1/T$パワーローによって制御されることを示す。
論文 参考訳(メタデータ) (2022-04-19T18:04:36Z) - Nonparametric Conditional Local Independence Testing [69.31200003384122]
条件付き局所独立は、連続的な時間プロセス間の独立関係である。
条件付き地域独立の非パラメトリックテストは行われていない。
二重機械学習に基づく非パラメトリックテストを提案する。
論文 参考訳(メタデータ) (2022-03-25T10:31:02Z) - Learning Similarity Metrics for Volumetric Simulations with Multiscale
CNNs [25.253880881581956]
本研究では,エントロピーに基づく類似性モデルを提案する。
我々は数値PDEソルバと既存のシミュレーションデータリポジトリからフィールドのコレクションを作成する。
ボリューム類似度メトリック(VolSiM)を演算するマルチスケールCNNアーキテクチャを提案する。
論文 参考訳(メタデータ) (2022-02-08T19:19:08Z) - Scaling Structured Inference with Randomization [64.18063627155128]
本稿では、構造化されたモデルを数万の潜在状態に拡張するためにランダム化された動的プログラミング(RDP)のファミリを提案する。
我々の手法は古典的DPベースの推論に広く適用できる。
また、自動微分とも互換性があり、ニューラルネットワークとシームレスに統合できる。
論文 参考訳(メタデータ) (2021-12-07T11:26:41Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳(メタデータ) (2021-11-15T09:08:27Z) - Sampling from Arbitrary Functions via PSD Models [55.41644538483948]
まず確率分布をモデル化し,そのモデルからサンプリングする。
これらのモデルでは, 少数の評価値を用いて, 高精度に多数の密度を近似することが可能であることが示され, それらのモデルから効果的にサンプルする簡単なアルゴリズムが提示される。
論文 参考訳(メタデータ) (2021-10-20T12:25:22Z) - Probabilistic Inference of Simulation Parameters via Parallel
Differentiable Simulation [34.30381620584878]
実世界の計測を正確に再現するには、シミュレーターが適切な物理系のモデルを持つ必要がある。
ベイズ推定手法を用いてパラメータを推定する後者の問題に対処する。
我々は、GPUコード生成と微分可能シミュレーションを利用して、多くの粒子に対するその可能性とその勾配を並列に評価する。
論文 参考訳(メタデータ) (2021-09-18T03:05:44Z) - Minimax Estimation of Partially-Observed Vector AutoRegressions [0.0]
部分観測状態空間モデルの特性について検討する。
ダンツィヒセレクタに基づくスパース推定器と,その非漸近誤差の上限について述べる。
鉄道データ公開への応用は、公共交通機関の交通分析におけるこのモデルの有効性を浮き彫りにする。
論文 参考訳(メタデータ) (2021-06-17T08:46:53Z) - MINIMALIST: Mutual INformatIon Maximization for Amortized Likelihood
Inference from Sampled Trajectories [61.3299263929289]
シミュレーションベースの推論は、その可能性が実際に計算できない場合でもモデルのパラメータを学習することができる。
あるクラスのメソッドは、異なるパラメータでシミュレートされたデータを使用して、確率とエビデンス比の償却推定器を推定する。
モデルパラメータとシミュレーションデータ間の相互情報の観点から,本手法が定式化可能であることを示す。
論文 参考訳(メタデータ) (2021-06-03T12:59:16Z) - An Empirical Comparison of Instance Attribution Methods for NLP [62.63504976810927]
本研究は,トレーニングサンプルの重要性に関して,異なるインスタンス属性が一致した度合いを評価する。
単純な検索メソッドは、グラデーションベースの方法によって識別されたものと異なるトレーニングインスタンスを生成する。
論文 参考訳(メタデータ) (2021-04-09T01:03:17Z) - Fast covariance parameter estimation of spatial Gaussian process models
using neural networks [0.0]
我々はnnを入力として適度な大きさの空間場または変量線を取り、範囲と信号間の共分散パラメータを返すように訓練する。
トレーニングが完了すると、nnsはml推定と同等の精度で見積もりを提供し、100倍以上のスピードアップを行う。
この作業は、他のより複雑な空間問題に容易に拡張することができ、計算統計における機械学習の使用に対する概念の証明を提供する。
論文 参考訳(メタデータ) (2020-12-30T22:06:26Z)
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。