論文の概要: Inference for Change Points in High Dimensional Mean Shift Models

• arxiv url: http://arxiv.org/abs/2107.09150v1
• Date: Mon, 19 Jul 2021 20:56:15 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-21 14:50:23.248435
• Title: Inference for Change Points in High Dimensional Mean Shift Models
• Title（参考訳）: 高次元平均シフトモデルにおける変化点の推定
• Authors: Abhishek Kaul and George Michailidis
• Abstract要約: 本研究では,高次元平均シフトモデルにおいて,変化点の位置に対する信頼区間を構築することの問題点を考察する。 局所的に再適合した最小二乗推定器を開発し、基礎となる変化点の推定のコンポーネントワイドおよび同時レートを得る。 結果は高次元のスケーリングの下で確立され、変化点の数や指数以下の誤差が生じる。
• 参考スコア（独自算出の注目度）: 10.307668909650449
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We consider the problem of constructing confidence intervals for the locations of change points in a high-dimensional mean shift model. To that end, we develop a locally refitted least squares estimator and obtain component-wise and simultaneous rates of estimation of the underlying change points. The simultaneous rate is the sharpest available in the literature by at least a factor of $\log p,$ while the component-wise one is optimal. These results enable existence of limiting distributions. Component-wise distributions are characterized under both vanishing and non-vanishing jump size regimes, while joint distributions for any finite subset of change point estimates are characterized under the latter regime, which also yields asymptotic independence of these estimates. The combined results are used to construct asymptotically valid component-wise and simultaneous confidence intervals for the change point parameters. The results are established under a high dimensional scaling, allowing for diminishing jump sizes, in the presence of diverging number of change points and under subexponential errors. They are illustrated on synthetic data and on sensor measurements from smartphones for activity recognition.
• Abstract（参考訳）: 本研究では,高次元平均シフトモデルにおいて,変化点の位置に対する信頼区間を構築する問題を考える。 そこで我々は,局所的に再適合した最小二乗推定器を開発し,基礎となる変化点の推定の成分的および同時的速度を求める。 同時レートは、少なくとも$\log p,$の係数で文献で最も鋭いが、コンポーネントワイドは最適である。 これらの結果は限界分布の存在を可能にする。 成分的分布は、消失および非破壊的なジャンプサイズのレジームで特徴づけられる一方、変化点推定の有限部分集合に対するジョイント分布は、後者のレジームの下で特徴づけられ、これらの推定の漸近的な独立性をもたらす。 組み合わせた結果を用いて、変化点パラメータに対する漸近的に有効なコンポーネント単位と同時信頼区間を構築する。 結果は高次元のスケーリングによって確立され、ジャンプサイズが小さくなり、変更点の数のばらつきや副指数誤差が発生している。 スマートフォンの行動認識のための合成データやセンサ計測について説明する。

関連論文リスト

• Semiparametric conformal prediction [79.6147286161434]
  リスクに敏感なアプリケーションは、複数の、潜在的に相関したターゲット変数に対して、よく校正された予測セットを必要とする。 スコアをランダムなベクトルとして扱い、それらの連接関係構造を考慮した予測セットを構築することを目的とする。 実世界のレグレッション問題に対して,所望のカバレッジと競争効率について報告する。
  論文  参考訳（メタデータ） (2024-11-04T14:29:02Z)
• Adaptive Annealed Importance Sampling with Constant Rate Progress [68.8204255655161]
  Annealed Importance Smpling (AIS)は、抽出可能な分布から重み付けされたサンプルを合成する。 本稿では,alpha$-divergencesに対する定数レートAISアルゴリズムとその効率的な実装を提案する。
  論文  参考訳（メタデータ） (2023-06-27T08:15:28Z)
• Deep Neural Networks for Nonparametric Interaction Models with Diverging Dimension [6.939768185086753]
  成長次元シナリオ (d$ grows with $n$ but at a slow rate) と高次元 (dgtrsim n$) の両方において、$kth$オーダーの非パラメトリック相互作用モデルを分析する。 特定の標準仮定の下では、デバイアスドディープニューラルネットワークは、$(n, d)$の両面において、極小値の最適値を達成している。
  論文  参考訳（メタデータ） (2023-02-12T04:19:39Z)
• Density Ratio Estimation via Infinitesimal Classification [85.08255198145304]
  そこで我々は, DRE-inftyを提案する。 DRE-inftyは, 密度比推定(DRE)を, より簡単なサブプロブレムに還元する手法である。 モンテカルロ法にインスパイアされ、中間ブリッジ分布の無限連続体を介して2つの分布の間を滑らかに補間する。 提案手法は,複雑な高次元データセット上での相互情報推定やエネルギーベースモデリングなどの下流タスクにおいて良好に動作することを示す。
  論文  参考訳（メタデータ） (2021-11-22T06:26:29Z)
• Meta Learning Low Rank Covariance Factors for Energy-Based Deterministic Uncertainty [58.144520501201995]
  ニューラルネットワーク層のBi-Lipschitz正規化は、各レイヤの特徴空間におけるデータインスタンス間の相対距離を保存する。 注意セットエンコーダを用いて,タスク固有の共分散行列を効率的に構築するために,対角的,対角的,低ランクな要素のメタ学習を提案する。 また,最終的な予測分布を達成するために,スケールしたエネルギーを利用する推論手法を提案する。
  論文  参考訳（メタデータ） (2021-10-12T22:04:19Z)
• Segmentation of high dimensional means over multi-dimensional change points and connections to regression trees [1.0660480034605242]
  この記事では、レグレッションツリーを特徴づけ、実装するための、分析的に抽出可能で、完全に頻繁な新しいフレームワークを提供します。 回帰木への接続は多次元変化軸上の動的平均ベクトルを持つ高次元モデルによって構成される。 結果は高次元スケーリング$slog2 p=o(T_wT_h)で得られ、$p$は応答次元、$s$は空間パラメータ、$T_w,T_h$は変化軸に沿ったサンプリング期間である。
  論文  参考訳（メタデータ） (2021-05-20T20:29:48Z)
• Multinomial Sampling for Hierarchical Change-Point Detection [0.0]
  本稿では,検出率を向上し,遅延を低減する多項サンプリング手法を提案する。 実験の結果, 基準法よりも優れた結果が得られ, また, 人間の行動研究を指向した事例も提示した。
  論文  参考訳（メタデータ） (2020-07-24T09:18:17Z)
• Interpolation and Learning with Scale Dependent Kernels [91.41836461193488]
  非パラメトリックリッジレス最小二乗の学習特性について検討する。 スケール依存カーネルで定義される推定器の一般的な場合を考える。
  論文  参考訳（メタデータ） (2020-06-17T16:43:37Z)
• Inference on the Change Point for High Dimensional Dynamic Graphical Models [9.74000189600846]
  動的に進化するグラフィカルモデルに対する変化点パラメータの推定器を開発する。 グラフィカルモデルパラメータのプラグイン推定に対する十分な適応性を保持する。 RNA配列のデータと若年者および高齢者間の変化を図示する。
  論文  参考訳（メタデータ） (2020-05-19T19:15:32Z)
• Optimal Change-Point Detection with Training Sequences in the Large and Moderate Deviations Regimes [72.68201611113673]
  本稿では,情報理論の観点から,新しいオフライン変化点検出問題について検討する。 基礎となる事前および変更後分布の知識は分かっておらず、利用可能なトレーニングシーケンスからのみ学習できると仮定する。
  論文  参考訳（メタデータ） (2020-03-13T23:39:40Z)

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。