論文の概要: Sparse Generalized Yule-Walker Estimation for Large Spatio-temporal Autoregressions with an Application to NO2 Satellite Data

• arxiv url: http://arxiv.org/abs/2108.02864v1
• Date: Thu, 5 Aug 2021 21:51:45 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-10 00:57:08.472279
• Title: Sparse Generalized Yule-Walker Estimation for Large Spatio-temporal Autoregressions with an Application to NO2 Satellite Data
• Title（参考訳）: NO2衛星データを用いた時空間自己回帰のスパース一般化Yile-Walker推定
• Authors: Hanno Reuvers and Etienne Wijler
• Abstract要約: 高次元モデルのクラスをスパース推定する。 我々は,ユル=ヴァルカー方程式の集合をペナルティ化することにより,空間的および時間的依存を完全駆動的に支配する関係を推定する。 衛星シミュレーションは、競合する手順と比較して強い有限サンプル性能を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We consider sparse estimation of a class of high-dimensional spatio-temporal models. Unlike classical spatial autoregressive models, we do not rely on a predetermined spatial interaction matrix. Instead, under the assumption of sparsity, we estimate the relationships governing both the spatial and temporal dependence in a fully data-driven way by penalizing a set of Yule-Walker equations. While this regularization can be left unstructured, we also propose a customized form of shrinkage to further exploit diagonally structured forms of sparsity that follow intuitively when observations originate from spatial grids such as satellite images. We derive finite sample error bounds for this estimator, as well estimation consistency in an asymptotic framework wherein the sample size and the number of spatial units diverge jointly. A simulation exercise shows strong finite sample performance compared to competing procedures. As an empirical application, we model satellite measured NO2 concentrations in London. Our approach delivers forecast improvements over a competitive benchmark and we discover evidence for strong spatial interactions between sub-regions.
• Abstract（参考訳）: 我々は高次元時空間モデルのクラスをスパース推定する。 古典的空間自己回帰モデルとは異なり、所定の空間相互作用行列に依存しない。 その代わりに、空間的依存と時間的依存の両方を、ユール=ヴァルカー方程式の集合をペナリゼーションすることで完全にデータ駆動の方法で支配する関係を推定する。 この正規化は非構造化できるが、衛星画像のような空間的グリッドから観測が生じたときに直観的に従う対角的に構造化されたスパーシティを更に活用するために、カスタマイズされた縮小形式も提案する。 この推定器の有限サンプル誤差境界を導出し、サンプルサイズと空間単位の数が共分散する漸近的枠組みにおける推定一貫性を導出する。 シミュレーション演習は、競合する手順と比較して強い有限サンプル性能を示す。 実証的な応用として、我々はロンドンでno2濃度を測定した。 提案手法は,競合ベンチマークによる予測精度の向上を実現し,部分領域間の空間的相互作用が強いことを示す。

関連論文リスト

• Convergence of Score-Based Discrete Diffusion Models: A Discrete-Time Analysis [56.442307356162864]
  連続時間マルコフ連鎖(CTMC)に基づくスコアベース離散拡散モデルの理論的側面について検討する。 本稿では,事前定義された時間点におけるスコア推定値を利用する離散時間サンプリングアルゴリズムを一般状態空間$[S]d$に導入する。 我々の収束解析はジルサノフ法を用いて離散スコア関数の重要な性質を確立する。
  論文  参考訳（メタデータ） (2024-10-03T09:07:13Z)
• Principal component analysis balancing prediction and approximation accuracy for spatial data [2.4849437811455797]
  我々は、下流モデルにおける元のデータに対する近似の近接性と低次元スコアの有用性を定式化する。 最適トレードオフを実現するフレキシブル次元削減アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-08-03T04:24:48Z)
• Generative Modeling with Phase Stochastic Bridges [49.4474628881673]
  拡散モデル(DM)は、連続入力のための最先端の生成モデルを表す。 我々はtextbfphase space dynamics に基づく新しい生成モデリングフレームワークを提案する。 我々のフレームワークは、動的伝播の初期段階において、現実的なデータポイントを生成する能力を示す。
  論文  参考訳（メタデータ） (2023-10-11T18:38:28Z)
• BART-SIMP: a novel framework for flexible spatial covariate modeling and prediction using Bayesian additive regression trees [0.0]
  本稿では,ガウス過程空間モデルとベイズ加法回帰木(BART)モデルを組み合わせた新しい手法を提案する。 マルコフ連鎖モンテカルロとIntegrated Nested Laplace Approximation (INLA)技術を組み合わせることにより、アプローチの計算負担を低減させる。 本研究では,本手法の性能をシミュレーションを用いて検討し,ケニアの家庭クラスタのサンプルから収集した人文的応答を予測するモデルを用いた。
  論文  参考訳（メタデータ） (2023-09-23T05:35:17Z)
• Modeling the space-time correlation of pulsed twin beams [68.8204255655161]
  パラメトリックダウンコンバージョンによって生成される絡み合ったツインビームは、画像指向アプリケーションで好まれるソースである。 本研究では,時間消費数値シミュレーションと非現実的な平面波ポンプ理論のギャップを埋めることを目的とした半解析モデルを提案する。
  論文  参考訳（メタデータ） (2023-01-18T11:29:49Z)
• Latent Space Model for Higher-order Networks and Generalized Tensor Decomposition [18.07071669486882]
  我々は、複雑な高次ネットワーク相互作用を研究するために、一般的な潜在空間モデルとして定式化された統一フレームワークを導入する。 一般化された多線形カーネルをリンク関数として、潜伏位置と観測データとの関係を定式化する。 本手法が合成データに与える影響を実証する。
  論文  参考訳（メタデータ） (2021-06-30T13:11:17Z)
• GELATO: Geometrically Enriched Latent Model for Offline Reinforcement Learning [54.291331971813364]
  オフライン強化学習アプローチは、近近法と不確実性認識法に分けられる。 本研究では,この2つを潜在変動モデルに組み合わせることのメリットを実証する。 提案したメトリクスは、分布サンプルのアウトの品質と、データ内のサンプルの不一致の両方を測定します。
  論文  参考訳（メタデータ） (2021-02-22T19:42:40Z)
• Learning interaction kernels in stochastic systems of interacting particles from multiple trajectories [13.3638879601361]
  相互作用する粒子やエージェントのシステムと、相互作用カーネルによって決定されるダイナミクスを考察する。 正規化極大推定器に基づく逆問題に対する非パラメトリック推論手法を提案する。 相関条件により,この問題の条件数を制御し,推定器の整合性を証明することができることを示す。
  論文  参考訳（メタデータ） (2020-07-30T01:28:06Z)
• Supporting Optimal Phase Space Reconstructions Using Neural Network Architecture for Time Series Modeling [68.8204255655161]
  位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。 私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
  論文  参考訳（メタデータ） (2020-06-19T21:04:47Z)
• Semiparametric Bayesian Forecasting of Spatial Earthquake Occurrences [77.68028443709338]
  本稿では, Epidemic Type Aftershock Sequence (ETAS) モデルのベイズ的完全定式化を提案する。 地理的領域における主震の発生は不均一な空間的点過程に従うと仮定される。
  論文  参考訳（メタデータ） (2020-02-05T10:11:26Z)
• Estimation of the spatial weighting matrix for regular lattice data -- An adaptive lasso approach with cross-sectional resampling [0.38073142980733]
  正規格子データに対するスパース空間依存構造の推定について検討する。 空間依存構造を復元するために,ランダムなプロセスが交換可能であると仮定して断面再サンプリングを提案する。 断面再サンプリングを用いた2段階適応型ラッソ法をモンテカルロシミュレーションを用いて検証した。
  論文  参考訳（メタデータ） (2020-01-06T12:51:02Z)

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。