論文の概要: Active multi-fidelity Bayesian online changepoint detection

• arxiv url: http://arxiv.org/abs/2103.14224v1
• Date: Fri, 26 Mar 2021 02:23:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-29 12:55:36.421775
• Title: Active multi-fidelity Bayesian online changepoint detection
• Title（参考訳）: active multi-fidelity bayesian online changepoint detection
• Authors: Gregory W. Gundersen, Diana Cai, Chuteng Zhou, Barbara E. Engelhardt, Ryan P. Adams
• Abstract要約: 変更点を検出するオンラインアルゴリズム、あるいは時系列の振る舞いの急激なシフトは、限られたリソースで展開されることが多い。 この測定の質や「忠実さ」に対して環境計測を収集するコストを取引することは有益かもしれない。 本論文では,どのデータを収集すべきか,コストに敏感な決定を下すマルチファイダリティアプローチを提案する。
• 参考スコア（独自算出の注目度）: 20.54248927431526
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Online algorithms for detecting changepoints, or abrupt shifts in the behavior of a time series, are often deployed with limited resources, e.g., to edge computing settings such as mobile phones or industrial sensors. In these scenarios it may be beneficial to trade the cost of collecting an environmental measurement against the quality or "fidelity" of this measurement and how the measurement affects changepoint estimation. For instance, one might decide between inertial measurements or GPS to determine changepoints for motion. A Bayesian approach to changepoint detection is particularly appealing because we can represent our posterior uncertainty about changepoints and make active, cost-sensitive decisions about data fidelity to reduce this posterior uncertainty. Moreover, the total cost could be dramatically lowered through active fidelity switching, while remaining robust to changes in data distribution. We propose a multi-fidelity approach that makes cost-sensitive decisions about which data fidelity to collect based on maximizing information gain with respect to changepoints. We evaluate this framework on synthetic, video, and audio data and show that this information-based approach results in accurate predictions while reducing total cost.
• Abstract（参考訳）: 変更点の検出や時系列の動作の急激な変化に対するオンラインアルゴリズムは、携帯電話や産業用センサーなどのエッジコンピューティング設定に限られたリソースで展開されることが多い。 これらのシナリオでは、この測定の質や「忠実さ」に対して環境計測を収集するコストと、測定が変化点推定に与える影響を交換することが有用である。 例えば、慣性測定とGPSで動きの変化点を決定することができる。 変化点検出に対するベイズ的アプローチは、変化点に関する後発の不確実性を表し、後発の不確実性を減らすためにデータ忠実性に関するアクティブでコストに敏感な決定をすることができるため、特に魅力的である。 さらに、データ分散の変化に頑健でありながら、アクティブなフィデリティスイッチングによって総コストを劇的に削減することができる。 本稿では,変化点に対する情報ゲインの最大化に基づいて,どのデータフィデリティを収集すべきかを,コストに敏感に判断するマルチフィデリティ手法を提案する。 合成, ビデオ, 音声データに関するこの枠組みを評価し, この情報に基づくアプローチが, 総コストを削減しつつ正確な予測をもたらすことを示す。

関連論文リスト

• Change points detection in crime-related time series: an on-line fuzzy approach based on a shape space representation [0.0]
  本稿では,犯罪関連時系列における変化点の検出と問合せを行うオンライン手法を提案する。 この手法は、非常に低い計算コストで変化点を正確に検出することができる。
  論文  参考訳（メタデータ） (2023-12-18T10:49:03Z)
• Online Change Points Detection for Linear Dynamical Systems with Finite Sample Guarantees [1.6026317505839445]
  本研究では,未知の力学を持つ線形力学系に対するオンライン変化点検出問題について検討する。 我々は,誤報を発生させる確率に基づいて,予め指定された上限を達成できるデータ依存しきい値を開発する。
  論文  参考訳（メタデータ） (2023-11-30T18:08:16Z)
• Uncertainty-Aware AB3DMOT by Variational 3D Object Detection [74.8441634948334]
  不確実性推定は統計的に正確な予測を提供する効果的なツールである。 本稿では,変分ニューラルネットワークを用いたTANet 3Dオブジェクト検出器を提案し,不確実性のある3Dオブジェクト検出を行う。
  論文  参考訳（メタデータ） (2023-02-12T14:30:03Z)
• Changepoint Detection for Real-Time Spectrum Sharing Radar [0.0]
  レーダーは、混雑する無線周波数の干渉を避けるために適応しなければならない。 変化点検出は感覚と予測アルゴリズムに適用され、モデルの精度が向上する。
  論文  参考訳（メタデータ） (2022-06-30T18:55:48Z)
• Online Changepoint Detection on a Budget [5.077509096253692]
  変更ポイントは、基礎となるデータの分布の急激なバリエーションである。 本稿では,オフラインの切替点検出アルゴリズムと比較したオンライン切替点検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-01-11T00:20:33Z)
• CertainNet: Sampling-free Uncertainty Estimation for Object Detection [65.28989536741658]
  ニューラルネットワークの不確実性を推定することは、安全クリティカルな設定において基本的な役割を果たす。 本研究では,オブジェクト検出のための新しいサンプリング不要不確実性推定法を提案する。 私たちはそれをCertainNetと呼び、各出力信号に対して、オブジェクト性、クラス、位置、サイズという、別の不確実性を提供するのは、これが初めてです。
  論文  参考訳（メタデータ） (2021-10-04T17:59:31Z)
• Bandit Quickest Changepoint Detection [55.855465482260165]
  すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。 有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。 本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
  論文  参考訳（メタデータ） (2021-07-22T07:25:35Z)
• Temporal Difference Uncertainties as a Signal for Exploration [76.6341354269013]
  強化学習における探索の効果的なアプローチは、最適な政策に対するエージェントの不確実性に依存することである。 本稿では,評価値のバイアスや時間的に矛盾する点を強調した。 本稿では,時間差誤差の分布の導出に依存する値関数の不確かさを推定する手法を提案する。
  論文  参考訳（メタデータ） (2020-10-05T18:11:22Z)
• Change Point Detection in Time Series Data using Autoencoders with a Time-Invariant Representation [69.34035527763916]
  変化点検出(CPD)は、時系列データにおける急激な特性変化を見つけることを目的としている。 近年のCDD法は、深層学習技術を用いる可能性を示したが、信号の自己相関統計学におけるより微妙な変化を識別する能力に欠けることが多い。 我々は、新しい損失関数を持つオートエンコーダに基づく手法を用い、使用済みオートエンコーダは、CDDに適した部分的な時間不変表現を学習する。
  論文  参考訳（メタデータ） (2020-08-21T15:03:21Z)
• Learning a Unified Sample Weighting Network for Object Detection [113.98404690619982]
  地域サンプリングや重み付けは、現代の地域ベースの物体検出器の成功に極めて重要である。 サンプル重み付けはデータ依存でタスク依存であるべきだと我々は主張する。 サンプルのタスク重みを予測するための統一的なサンプル重み付けネットワークを提案する。
  論文  参考訳（メタデータ） (2020-06-11T16:19:16Z)

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。