論文の概要: Scalable and Interpretable Marked Point Processes
- arxiv url: http://arxiv.org/abs/2105.14574v1
- Date: Sun, 30 May 2021 15:37:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-02 10:37:35.374555
- Title: Scalable and Interpretable Marked Point Processes
- Title(参考訳): スケーラブルで解釈可能なマークポイントプロセス
- Authors: Aristeidis Panos, Ioannis Kosmidis, Petros Dellaportas
- Abstract要約: スケーラビリティと解釈可能性の両方を享受するマークポイントプロセスのための新しい推論フレームワークを導入します。
このフレームワークは変分推論に基づいており、マークされたポイントプロセスの柔軟なファミリーの推論を高速化することを目的としている。
- 参考スコア(独自算出の注目度): 5.070542698701158
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce a novel inferential framework for marked point processes that
enjoys both scalability and interpretability. The framework is based on
variational inference and it aims to speed up inference for a flexible family
of marked point processes where the joint distribution of times and marks can
be specified in terms of the conditional distribution of times given the
process filtration, and of the conditional distribution of marks given the
process filtration and the current time. We assess the predictive ability of
our proposed method over four real-world datasets where results show its
competitive performance against other baselines. The attractiveness of our
framework for the modelling of marked point processes is illustrated through a
case study of association football data where scalability and interpretability
are exploited for extracting useful informative patterns.
- Abstract(参考訳): スケーラビリティと解釈可能性の両方を享受するマークポイントプロセスのための新しい推論フレームワークを導入する。
このフレームワークは変分推論に基づいており、プロセス濾過によって与えられた時間の条件分布と、プロセス濾過と現在の時間によるマークの条件分布という観点から、時間とマークの結合分布を指定できるマークポイントプロセスの柔軟なファミリーの推論をスピードアップすることを目的としている。
提案手法の予測能力を実世界の4つのデータセットで評価し,他のベースラインと競合する性能を示す。
マークポイント・プロセスのモデリングのためのフレームワークの魅力は,拡張性や解釈性を利用して有用な情報パターンを抽出する関連サッカーデータのケーススタディによって説明される。
関連論文リスト
- Flow Factorized Representation Learning [109.51947536586677]
本稿では、異なる入力変換を定義する潜在確率パスの別個のセットを規定する生成モデルを提案する。
本モデルは,ほぼ同変モデルに近づきながら,標準表現学習ベンチマークにおいて高い確率を達成することを示す。
論文 参考訳(メタデータ) (2023-09-22T20:15:37Z) - Extracting Interpretable Local and Global Representations from Attention
on Time Series [0.135975510645475]
本稿では,局所的抽象化とグローバル表現を併用した2つのトランスフォーマーアテンションに基づく解釈可能性手法を提案する。
ローカルコンテキストとグローバルコンテキストを区別し、一般的な解釈オプションの両方に包括的なフレームワークを提供する。
論文 参考訳(メタデータ) (2023-09-16T00:51:49Z) - RTB Formulation Using Point Process [1.7132914341329852]
本稿では,ポイントプロセスを用いたリアルタイム入札(RTB)エコシステムにおいて,繰り返しオークションをモデル化するための一般的なフレームワークを提案する。
プレイヤーの最適な戦略を様々なシナリオで特定する。
限界分布を個別に見積もるのではなく,実用性と市場状態の連立分布を考えることが重要である。
論文 参考訳(メタデータ) (2023-08-17T17:57:59Z) - Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。
条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。
提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
論文 参考訳(メタデータ) (2022-11-30T05:33:29Z) - FineDiving: A Fine-grained Dataset for Procedure-aware Action Quality
Assessment [93.09267863425492]
競争力のあるスポーツビデオにおける行動の高レベル意味論と内部時間構造の両方を理解することが、予測を正確かつ解釈可能なものにする鍵である、と我々は主張する。
本研究では,多様なダイビングイベントに対して,アクションプロシージャに関する詳細なアノテーションを付加した,ファインディビングと呼ばれる詳細なデータセットを構築した。
論文 参考訳(メタデータ) (2022-04-07T17:59:32Z) - Reachability analysis in stochastic directed graphs by reinforcement
learning [67.87998628083218]
マルコフグラフにおける遷移確率のダイナミクスは差分包摂によってモデル化できることを示す。
我々は、ノードの集合の到達可能性確率の上限と下限を提供するために、報酬関数を設計する方法論を提供する。
論文 参考訳(メタデータ) (2022-02-25T08:20:43Z) - Learning Conditional Invariance through Cycle Consistency [60.85059977904014]
本稿では,データセットの変動の有意義な要因と独立な要因を識別する新しい手法を提案する。
提案手法は,対象プロパティと残りの入力情報に対する2つの別個の潜在部分空間を含む。
我々は,より意味のある因子を同定し,よりスペーサーや解釈可能なモデルに導く合成および分子データについて実証する。
論文 参考訳(メタデータ) (2021-11-25T17:33:12Z) - Attributing Fair Decisions with Attention Interventions [28.968122909973975]
我々は、属性フレームワークとして活用できる注意ベースのモデルを設計する。
注意介入と注意重み操作によって、モデルの性能と公平性の両方に責任を負う特徴を特定することができる。
次に、後処理のバイアス軽減戦略を設計し、ベースラインのスイートと比較します。
論文 参考訳(メタデータ) (2021-09-08T22:28:44Z) - Adaptive Conformal Inference Under Distribution Shift [0.0]
本研究では,未知の方法でデータ生成分布を時間とともに変化させるオンライン環境において,予測セットを形成する手法を開発した。
我々のフレームワークは、任意のブラックボックスメソッドと組み合わせられる一般的なラッパーを提供するために、共形推論のアイデアに基づいている。
我々は,2つの実世界のデータセット上で適応型共形推論法を検証し,その予測が可視的および有意な分布シフトに対して堅牢であることを見出した。
論文 参考訳(メタデータ) (2021-06-01T01:37:32Z) - Beyond Individual and Group Fairness [90.4666341812857]
本稿では,不公平な不公平な苦情に導かれる公平さの新しいデータ駆動モデルを提案する。
我々のモデルは、複数のフェアネス基準をサポートし、それらの潜在的な不整合を考慮に入れている。
論文 参考訳(メタデータ) (2020-08-21T14:14:44Z) - Learning Discrete Structured Representations by Adversarially Maximizing
Mutual Information [39.87273353895564]
本研究では、構造化潜在変数と対象変数の相互情報を最大化することにより、ラベルのないデータから離散的構造化表現を学習する。
我々の重要な技術的貢献は、クロスエントロピー計算の実現可能性のみを前提として、相互情報を的確に見積もることができる敵の目的である。
文書ハッシュに本モデルを適用し,離散およびベクトル量子化変分オートエンコーダに基づいて,現在の最良ベースラインよりも優れていることを示す。
論文 参考訳(メタデータ) (2020-04-08T13:31:53Z)
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。