論文の概要: Principled change point detection via representation learning

• arxiv url: http://arxiv.org/abs/2106.02602v1
• Date: Fri, 4 Jun 2021 17:04:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-07 14:56:31.885830
• Title: Principled change point detection via representation learning
• Title（参考訳）: 表現学習による原理的変化点検出
• Authors: Evgenia Romanenkova and Alexey Zaytsev and Ramil Zainulin and Matvey Morozov
• Abstract要約: 本稿では,CDDタスクの特異性を考慮した基本的微分可微分損失関数を提案する。 本稿では,深層表現学習CPDモデルの訓練のためのエンドツーエンド手法を提案する。
• 参考スコア（独自算出の注目度）: 0.6047855579999899
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Change points are abrupt alterations in the distribution of sequential data. A change-point detection (CPD) model aims at quick detection of such changes. Classic approaches perform poorly for semi-structured sequential data because of the absence of adequate data representation learning. To deal with it, we introduce a principled differentiable loss function that considers the specificity of the CPD task. The theoretical results suggest that this function approximates well classic rigorous solutions. For such loss function, we propose an end-to-end method for the training of deep representation learning CPD models. Our experiments provide evidence that the proposed approach improves baseline results of change point detection for various data types, including real-world videos and image sequences, and improve representations for them.
• Abstract（参考訳）: 変更点は、シーケンシャルデータの分配において突然の変化である。 変化点検出(CPD)モデルは、このような変化を素早く検出することを目的としている。 古典的なアプローチは、適切なデータ表現学習がないため、半構造化シーケンシャルなデータには不十分である。 そこで本研究では,cpdタスクの特異性を考慮した原理的微分可能損失関数を導入する。 理論的な結果は、この関数が古典的な厳密解に近似することを示唆している。 このような損失関数に対して,深層表現学習CPDモデルの訓練のためのエンドツーエンド手法を提案する。 提案手法は,実世界ビデオや画像シーケンスを含む各種データ型に対する変化点検出のベースライン結果を改善し,それらの表現を改善することを示す。

関連論文リスト

• Influence Functions for Scalable Data Attribution in Diffusion Models [52.92223039302037]
  拡散モデルは、生成的モデリングに大きな進歩をもたらした。 しかし、彼らの普及はデータ属性と解釈可能性に関する課題を引き起こす。 本稿では,テキスト・インフルエンス・ファンクション・フレームワークを開発することにより,このような課題に対処することを目的とする。
  論文  参考訳（メタデータ） (2024-10-17T17:59:02Z)
• PseudoNeg-MAE: Self-Supervised Point Cloud Learning using Conditional Pseudo-Negative Embeddings [55.55445978692678]
  PseudoNeg-MAEは,ポイントマスク自動エンコーダのグローバルな特徴表現を強化する,自己教師型学習フレームワークである。 PseudoNeg-MAE は ModelNet40 と ScanObjectNN のデータセット上で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-09-24T07:57:21Z)
• Enhancing Changepoint Detection: Penalty Learning through Deep Learning Techniques [2.094821665776961]
  本研究では,ペナルティパラメータを予測するための新しいディープラーニング手法を提案する。 これにより、大規模なベンチマーク管理されたラベル付きデータセットにおいて、明らかに変更点検出精度が向上する。
  論文  参考訳（メタデータ） (2024-08-01T18:10:05Z)
• Greedy online change point detection [0.0]
  Greedy Online Change Point Detection (GOCPD) は、2つの独立したモデルの(時間的)連結から来るデータの確率を最大化することにより、変化点を求める計算上魅力的な方法である。 一つの変化点を持つ時系列の場合、この目的は不定意であり、対数複雑性を持つ3次探索によってCDDを高速化できることが示される。
  論文  参考訳（メタデータ） (2023-08-14T08:59:59Z)
• Meta-tuning Loss Functions and Data Augmentation for Few-shot Object Detection [7.262048441360132]
  少ないショットのオブジェクト検出は、少数ショットの学習とオブジェクト検出という領域において、新たなトピックである。 本稿では,数発検出を促進できる帰納的バイアスの学習を可能にする訓練手法を提案する。 提案手法は,高パラメトリックかつ複雑な数ショットメタモデルとは対照的に,解釈可能な損失関数を生成する。
  論文  参考訳（メタデータ） (2023-04-24T15:14:16Z)
• Deep learning model solves change point detection for multiple change types [69.77452691994712]
  変更点検出は、データ分散の急激な障害をキャッチすることを目的としている。 本稿では,マルチディストリビューションシナリオにおけるアプローチを提案する。
  論文  参考訳（メタデータ） (2022-04-15T09:44:21Z)
• Revisiting Consistency Regularization for Semi-Supervised Learning [80.28461584135967]
  そこで我々は,FeatDistLossというシンプルな手法により,一貫性の規則化を改良したフレームワークを提案する。 実験結果から,本モデルは様々なデータセットや設定のための新しい技術状態を定義する。
  論文  参考訳（メタデータ） (2021-12-10T20:46:13Z)
• Meta-learning One-class Classifiers with Eigenvalue Solvers for Supervised Anomaly Detection [55.888835686183995]
  教師付き異常検出のためのニューラルネットワークに基づくメタラーニング手法を提案する。 提案手法は,既存の異常検出法や少数ショット学習法よりも優れた性能を実現することを実験的に実証した。
  論文  参考訳（メタデータ） (2021-03-01T01:43:04Z)
• 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)
• Generalization of Change-Point Detection in Time Series Data Based on Direct Density Ratio Estimation [1.929039244357139]
  既存のアルゴリズムを様々なバイナリ分類と回帰モデルを用いて一般化する方法を示す。 アルゴリズムは、いくつかの合成および実世界のデータセットでテストされる。
  論文  参考訳（メタデータ） (2020-01-17T15:45:38Z)

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。