Fugu-MT 論文翻訳(概要): Principled change point detection via representation learning

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: 翻訳完了
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

DIVE: Inverting Conditional Diffusion Models for Discriminative Tasks [79.50756148780928]
本稿では,事前学習した拡散モデルを用いて識別課題を遂行する問題について検討する。我々は、事前学習されたレイアウト・ツー・イメージ拡散モデルの「反転」により、事前学習した凍結生成拡散モデルの識別能力を分類タスクからより複雑なオブジェクト検出タスクに拡張する。
論文参考訳（メタデータ） (2025-04-24T05:13:27Z)
Neural Network-Based Change Point Detection for Large-Scale Time-Evolving Data [14.131002665374575]
以下の2段階の手順に基づいて検出戦略を開発する。戦略は、変化点の数と位置の両方について一貫した見積もりを得る。
論文参考訳（メタデータ） (2025-03-12T16:58:52Z)
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 Graph Stream SVDD: Anomaly Detection in Cyber-Physical Systems [17.373668215331737]
本稿では,異常検出のためのディープグラフベクトルデータ記述法(SVDD)を提案する。まず、時間的埋め込みにおけるデータ監視の短絡パターンと長絡パターンの両方を保存するために、トランスフォーマーを使用します。センサタイプに応じてこれらの埋め込みをクラスタリングし、各種センサ間の接続性の変化を推定し、新しい重み付きグラフを構築する。
論文参考訳（メタデータ） (2023-02-24T22:14:39Z)
DynImp: Dynamic Imputation for Wearable Sensing Data Through Sensory and Temporal Relatedness [78.98998551326812]
従来の手法では、データの時系列ダイナミクスと、異なるセンサーの特徴の関連性の両方をめったに利用していない、と我々は主張する。我々はDynImpと呼ばれるモデルを提案し、特徴軸に沿って近接する隣人と異なる時間点の欠如を扱う。本手法は, 関連センサのマルチモーダル性特性を活かし, 履歴時系列のダイナミックスから学習し, 極端に欠落した状態でデータを再構築することができることを示す。
論文参考訳（メタデータ） (2022-09-26T21:59:14Z)
DBQ-SSD: Dynamic Ball Query for Efficient 3D Object Detection [113.5418064456229]
入力特徴に応じて入力点のサブセットを適応的に選択する動的ボールクエリ(DBQ)ネットワークを提案する。最先端の3D検出器に組み込むことができ、エンドツーエンドで訓練することで、計算コストを大幅に削減することができる。
論文参考訳（メタデータ） (2022-07-22T07:08:42Z)
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)
Video-based Person Re-identification without Bells and Whistles [49.51670583977911]
ビデオベースの人物再識別(Re-ID)は、異なるカメラの下で歩行者を特定するために、ビデオトラッカーとトリミングされたビデオフレームをマッチングすることを目的としている。従来の方法による不完全な検出と追跡の結果から, 収穫したトラックレットの空間的, 時間的不整合が生じている。本稿では,深層学習に基づくトラックレットの検出と追跡を適用することで,これらの予期せぬノイズを効果的に低減できる簡易な再検出リンク(DL)モジュールを提案する。
論文参考訳（メタデータ） (2021-05-22T10:17:38Z)
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)
Detection of data drift and outliers affecting machine learning model performance over time [5.319802998033767]
ドリフトはトレーニングとデプロイメントデータ間の分散変更である。これらの変更を検出したいのですが、デプロイメントデータラベルなしでは正確さを計測できません。代わりに、変更に対するモデル予測の信頼性の分布を非パラメトリックにテストすることで間接的にドリフトを検出する。
論文参考訳（メタデータ） (2020-12-16T20:50:12Z)
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。