論文の概要: Shape Analysis of Functional Data with Elastic Partial Matching
- arxiv url: http://arxiv.org/abs/2105.08604v1
- Date: Tue, 18 May 2021 15:36:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-19 17:00:33.745507
- Title: Shape Analysis of Functional Data with Elastic Partial Matching
- Title（参考訳）: 弾性部分マッチングを用いた機能データの形状解析
- Authors: Darshan Bryner and Anuj Srivastava
- Abstract要約: 我々は,位相可変性と不確定な境界下での関数の部分マッチング,比較,クラスタリングのための包括的フレームワークを開発した。
このフレームワークは、COVID-19率曲線の形状を登録し、クラスタリングするためのものです。
- 参考スコア（独自算出の注目度）: 14.391648046717073
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Elastic Riemannian metrics have been used successfully in the past for
statistical treatments of functional and curve shape data. However, this usage
has suffered from an important restriction: the function boundaries are assumed
fixed and matched. Functional data exhibiting unmatched boundaries typically
arise from dynamical systems with variable evolution rates such as COVID-19
infection rate curves associated with different geographical regions. In this
case, it is more natural to model such data with sliding boundaries and use
partial matching, i.e., only a part of a function is matched to another
function. Here, we develop a comprehensive Riemannian framework that allows for
partial matching, comparing, and clustering of functions under both phase
variability and uncertain boundaries. We extend past work by: (1) Forming a
joint action of the time-warping and time-scaling groups; (2) Introducing a
metric that is invariant to this joint action, allowing for a gradient-based
approach to elastic partial matching; and (3) Presenting a modification that,
while losing the metric property, allows one to control relative influence of
the two groups. This framework is illustrated for registering and clustering
shapes of COVID-19 rate curves, identifying essential patterns, minimizing
mismatch errors, and reducing variability within clusters compared to previous
methods.
- Abstract（参考訳）: 弾性リーマン計量は、関数および曲線形状データの統計処理に過去に成功している。
しかし、この使用法には重要な制限が課されており、関数の境界は固定され、一致すると仮定されている。
未整合境界を示す機能データは、通常、異なる地理的領域に関連するCOVID-19感染率曲線などの変動進化率を持つ力学系から生じる。
この場合、そのようなデータをスライディングバウンダリでモデル化し、部分マッチングを使用する方がより自然である。
本稿では,位相可変性と不確定境界下での関数の部分マッチング,比較,クラスタリングを可能にする包括的リーマンフレームワークを開発した。
我々は,(1)時変群と時変群の合同作用を形成すること,(2)この共同作用に不変な計量を導入し,弾性的部分マッチングへの勾配に基づくアプローチを可能にすること,(3)計量特性を損なうことなく,両者の相対的影響を制御できる修正を提示すること,により過去の作業を拡張した。
このフレームワークは、COVID-19レートカーブの登録とクラスタリング、必須パターンの特定、ミスマッチエラーの最小化、以前の方法と比較してクラスタ内のばらつきの低減のために説明されている。
関連論文リスト
- Nonparametric Partial Disentanglement via Mechanism Sparsity: Sparse
Actions, Interventions and Sparse Temporal Dependencies [58.179981892921056]
この研究は、メカニズムのスパーシティ正則化(英語版)と呼ばれる、アンタングルメントの新たな原理を導入する。
本稿では,潜在要因を同時に学習することで,絡み合いを誘発する表現学習手法を提案する。
学習した因果グラフをスパースに規則化することにより、潜伏因子を復元できることを示す。
論文 参考訳（メタデータ） (2024-01-10T02:38:21Z) - Coefficient Shape Alignment in Multiple Functional Linear Regression [0.0]
我々は「係数形状アライメント」と呼ばれる新しい正規化手法によるグループ多重機能回帰モデルを開発した。
我々は、真のグループ構造を正確に同定し、モデル推定の特性を導出できる条件を確立する。
本モデルの実用性は,糖質評価の文脈における実データ解析によって実証される。
論文 参考訳（メタデータ） (2023-12-04T14:32:19Z) - Causal Feature Selection via Transfer Entropy [59.999594949050596]
因果発見は、観察データによる特徴間の因果関係を特定することを目的としている。
本稿では,前向きと後向きの機能選択に依存する新たな因果的特徴選択手法を提案する。
精度および有限サンプルの場合の回帰誤差と分類誤差について理論的に保証する。
論文 参考訳（メタデータ） (2023-10-17T08:04:45Z) - Nonlinear Feature Aggregation: Two Algorithms driven by Theory [45.3190496371625]
現実世界の機械学習アプリケーションは、膨大な機能によって特徴付けられ、計算やメモリの問題を引き起こす。
一般集約関数を用いて特徴量の非線形変換を集約する次元還元アルゴリズム(NonLinCFA)を提案する。
また、アルゴリズムを合成および実世界のデータセット上でテストし、回帰および分類タスクを実行し、競合性能を示す。
論文 参考訳（メタデータ） (2023-06-19T19:57:33Z) - Score-based Causal Representation Learning with Interventions [54.735484409244386]
本稿では,潜在因果変数を間接的に観察する際の因果表現学習問題について検討する。
目的は、 (i) 未知の線形変換(スケーリングまで)を回復し、 (ii) 潜在変数の下の有向非巡回グラフ(DAG)を決定することである。
論文 参考訳（メタデータ） (2023-01-19T18:39:48Z) - Kernel-based off-policy estimation without overlap: Instance optimality
beyond semiparametric efficiency [53.90687548731265]
本研究では,観測データに基づいて線形関数を推定するための最適手順について検討する。
任意の凸および対称函数クラス $mathcalF$ に対して、平均二乗誤差で有界な非漸近局所ミニマックスを導出する。
論文 参考訳（メタデータ） (2023-01-16T02:57:37Z) - Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。
本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
論文 参考訳（メタデータ） (2022-08-29T16:16:22Z) - Deterministic Decoupling of Global Features and its Application to Data
Analysis [0.0]
部分多様体上の変換の定義に基づく新しい定式化を提案する。
これらの変換を通じて正規化を定義し、それを実証することで、微分可能な特徴を分離することができる。
本手法を,グローバルな記述子に基づく回帰・分類問題に対して,元のデータ領域とフィルタバンクの出力に適用する。
論文 参考訳（メタデータ） (2022-07-05T15:54:39Z) - Differentiable Segmentation of Sequences [2.1485350418225244]
我々は、連続的なワープ関数の学習の進歩の上に構築し、双方向パワー(TSP)分布に基づく新しいワープ関数のファミリーを提案する。
我々の定式化は特別な場合として分割一般化線型モデルの重要なクラスを含む。
我々は、PoissonレグレッションによるCOVID-19の拡散をモデル化し、変化点検出タスクに適用し、概念ドリフトによる分類モデルを学習する。
論文 参考訳（メタデータ） (2020-06-23T15:51:48Z) - Graph Spectral Feature Learning for Mixed Data of Categorical and
Numerical Type [0.7106986689736827]
混合データ空間における単純な近傍クエリでは、数値変数と分類変数を別々に考えるのが標準的な方法である。
本研究では,変数の混合型間の確率的依存構造を非方向性グラフで明示的にモデル化する新しい手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T13:36:59Z) - Adaptive Correlated Monte Carlo for Contextual Categorical Sequence
Generation [77.7420231319632]
我々は,モンテカルロ (MC) ロールアウトの集合を分散制御のために評価する政策勾配推定器に,カテゴリー列の文脈的生成を適用する。
また,二分木ソフトマックスモデルに相関したMCロールアウトを用いることで,大語彙シナリオにおける高生成コストを低減できることを示す。
論文 参考訳（メタデータ） (2019-12-31T03:01:55Z)
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。