論文の概要: Semi-supervised Learning for Marked Temporal Point Processes
- arxiv url: http://arxiv.org/abs/2107.07729v1
- Date: Fri, 16 Jul 2021 06:59:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-19 14:48:19.087115
- Title: Semi-supervised Learning for Marked Temporal Point Processes
- Title(参考訳): マーク付き時間点過程の半教師付き学習
- Authors: Shivshankar Reddy, Anand Vir Singh Chauhan, Maneet Singh, and Karamjit
Singh
- Abstract要約: 本研究では,マーク付き時間点プロセス(SSL-MTPP)のための半教師付き学習アルゴリズムを提案する。
提案アルゴリズムはラベル付きデータとラベルなしデータを組み合わせて,ロバストなマーカー予測モデルを学習する。
提案アルゴリズムの有効性は,Retweetデータセット上で複数のプロトコルを用いて実証されている。
- 参考スコア(独自算出の注目度): 7.666240799116112
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Temporal Point Processes (TPPs) are often used to represent the sequence of
events ordered as per the time of occurrence. Owing to their flexible nature,
TPPs have been used to model different scenarios and have shown applicability
in various real-world applications. While TPPs focus on modeling the event
occurrence, Marked Temporal Point Process (MTPP) focuses on modeling the
category/class of the event as well (termed as the marker). Research in MTPP
has garnered substantial attention over the past few years, with an extensive
focus on supervised algorithms. Despite the research focus, limited attention
has been given to the challenging problem of developing solutions in
semi-supervised settings, where algorithms have access to a mix of labeled and
unlabeled data. This research proposes a novel algorithm for Semi-supervised
Learning for Marked Temporal Point Processes (SSL-MTPP) applicable in such
scenarios. The proposed SSL-MTPP algorithm utilizes a combination of labeled
and unlabeled data for learning a robust marker prediction model. The proposed
algorithm utilizes an RNN-based Encoder-Decoder module for learning effective
representations of the time sequence. The efficacy of the proposed algorithm
has been demonstrated via multiple protocols on the Retweet dataset, where the
proposed SSL-MTPP demonstrates improved performance in comparison to the
traditional supervised learning approach.
- Abstract(参考訳): 時間的ポイントプロセス(TPP)は、しばしば発生時刻に応じて順序付けられたイベントのシーケンスを表すために使用される。
柔軟な性質のため、TPPは様々なシナリオをモデル化するのに使われ、様々な現実世界のアプリケーションに適用性を示している。
TPPはイベント発生のモデル化に重点を置いているが、MTPP(Marked Temporal Point Process)はイベントのカテゴリやクラス(マーカーとして定義される)のモデリングにも重点を置いている。
MTPPの研究はここ数年で大きな注目を集めており、教師付きアルゴリズムに重点を置いている。
研究の焦点にもかかわらず、アルゴリズムがラベル付きデータとラベルなしデータの混合にアクセスする半教師付き設定でソリューションを開発するという難しい問題に対して、限られた注意が向けられている。
本研究では,マーク付き時間点プロセス(SSL-MTPP)のための半教師付き学習アルゴリズムを提案する。
SSL-MTPPアルゴリズムはラベル付きデータとラベルなしデータを組み合わせてロバストなマーカー予測モデルを学習する。
提案アルゴリズムは、RNNベースのEncoder-Decoderモジュールを用いて、時間列の効率的な表現を学習する。
提案アルゴリズムの有効性はRetweetデータセット上の複数のプロトコルを用いて実証されており、SSL-MTPPでは従来の教師付き学習手法と比較して性能が向上している。
関連論文リスト
- Machine Learning in Short-Reach Optical Systems: A Comprehensive Survey [2.425630641479336]
本稿では,短距離通信における機械学習技術の応用について概説する。
本稿では,機械学習信号処理における時系列手法の新しい分類法を提案する。
我々は,短時間の光通信システムにおいて,より実用的で効率的な機械学習アプローチの展開の道を開くことを目的としている。
論文 参考訳(メタデータ) (2024-05-02T16:04:30Z) - Custom DNN using Reward Modulated Inverted STDP Learning for Temporal
Pattern Recognition [0.0]
時間的スパイク認識は、異常検出、キーワードスポッティング、神経科学など、様々な領域において重要な役割を果たす。
本稿では,スパース事象系列データに基づく時間的スパイクパターン認識のための新しいアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-07-15T18:57:27Z) - Provably Efficient Representation Learning with Tractable Planning in
Low-Rank POMDP [81.00800920928621]
部分的に観測可能なマルコフ決定過程(POMDP)における表現学習の研究
まず,不確実性(OFU)に直面した最大推定(MLE)と楽観性を組み合わせた復調性POMDPのアルゴリズムを提案する。
次に、このアルゴリズムをより広範な$gamma$-observable POMDPのクラスで機能させる方法を示す。
論文 参考訳(メタデータ) (2023-06-21T16:04:03Z) - Spatio-Temporal Point Process for Multiple Object Tracking [30.041104276095624]
多重オブジェクト追跡(MOT)は、連続するフレーム間の検出対象の関係をモデル化し、それらを異なる軌道にマージすることに焦点を当てている。
本稿では,物体を軌道に関連付ける前に,ノイズを効果的に予測し,マスクアウトし,検出結果を混乱させる新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2023-02-05T18:14:08Z) - Meta Temporal Point Processes [13.525125302111844]
時間点過程 (TPP) は、その実現が時間内の離散事象の連続である過程である。
TPPにおける最近の研究は、教師付き学習フレームワークにおけるニューラルネットワークを用いたプロセスをモデル化している。
我々は,各シーケンスを異なるタスクとして扱うメタ学習フレームワークにおいて,TPPを訓練することを提案する。
論文 参考訳(メタデータ) (2023-01-27T23:21:07Z) - Machine Learning for Online Algorithm Selection under Censored Feedback [71.6879432974126]
オンラインアルゴリズム選択(OAS)では、アルゴリズム問題クラスのインスタンスがエージェントに次々に提示され、エージェントは、固定された候補アルゴリズムセットから、おそらく最高のアルゴリズムを迅速に選択する必要がある。
SAT(Satisfiability)のような決定問題に対して、品質は一般的にアルゴリズムのランタイムを指す。
本研究では,OASのマルチアームバンディットアルゴリズムを再検討し,この問題に対処する能力について議論する。
ランタイム指向の損失に適応し、時間的地平線に依存しない空間的・時間的複雑さを維持しながら、部分的に検閲されたデータを可能にする。
論文 参考訳(メタデータ) (2021-09-13T18:10:52Z) - Online Learning Probabilistic Event Calculus Theories in Answer Set
Programming [70.06301658267125]
イベント認識(CER)システムは、事前に定義されたイベントパターンを使用して、ストリーミングタイムスタンプデータセットで発生を検出する。
本稿では,複雑なイベントパターンによる確率論的推論を,イベント計算で重み付けされたルールの形で行うことができるAnswer Set Programming(ASP)に基づくシステムを提案する。
その結果, 効率と予測の両面で, 新たなアプローチの優位性が示された。
論文 参考訳(メタデータ) (2021-03-31T23:16:29Z) - Adaptive Sampling for Best Policy Identification in Markov Decision
Processes [79.4957965474334]
本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。
最先端アルゴリズムの利点を論じ、解説する。
論文 参考訳(メタデータ) (2020-09-28T15:22:24Z) - Planning in Markov Decision Processes with Gap-Dependent Sample
Complexity [48.98199700043158]
マルコフ決定過程における計画のための新しいトラジェクトリに基づくモンテカルロ木探索アルゴリズム MDP-GapE を提案する。
我々は, MDP-GapE に要求される生成モデルに対する呼び出し回数の上限を証明し, 確率の高い準最適動作を同定する。
論文 参考訳(メタデータ) (2020-06-10T15:05:51Z) - Determinantal Point Processes in Randomized Numerical Linear Algebra [80.27102478796613]
数値線形代数(RandNLA)は、科学計算、データサイエンス、機械学習などで発生する行列問題に対する改良されたアルゴリズムを開発するためにランダム性を使用する。
最近の研究により、DPPとRandNLAの間の深い実りある関係が明らかになり、新たな保証とアルゴリズムの改善につながった。
論文 参考訳(メタデータ) (2020-05-07T00:39:52Z)
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。