論文の概要: Local Exceptionality Detection in Time Series Using Subgroup Discovery
- arxiv url: http://arxiv.org/abs/2108.11751v1
- Date: Thu, 5 Aug 2021 17:19:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-29 12:07:49.081421
- Title: Local Exceptionality Detection in Time Series Using Subgroup Discovery
- Title(参考訳): 部分群探索を用いた時系列の局所的例外検出
- Authors: Dan Hudson and Travis J. Wiltshire and Martin Atzmueller
- Abstract要約: 時系列データを用いた局所異常検出のための新しい手法を提案する。
この方法はデータ中の解釈可能なパターンを発見し、時系列の進行の理解と予測に使用できる。
- 参考スコア(独自算出の注目度): 0.5371337604556311
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we present a novel approach for local exceptionality detection
on time series data. This method provides the ability to discover interpretable
patterns in the data, which can be used to understand and predict the
progression of a time series. This being an exploratory approach, the results
can be used to generate hypotheses about the relationships between the
variables describing a specific process and its dynamics. We detail our
approach in a concrete instantiation and exemplary implementation, specifically
in the field of teamwork research. Using a real-world dataset of team
interactions we include results from an example data analytics application of
our proposed approach, showcase novel analysis options, and discuss possible
implications of the results from the perspective of teamwork research.
- Abstract(参考訳): 本稿では,時系列データにおける局所的例外性検出のための新しい手法を提案する。
この方法では、データの解釈可能なパターンを発見し、時系列の進行を理解し予測することができる。
これは探索的なアプローチであり、結果は特定のプロセスを記述する変数とそのダイナミクスの関係に関する仮説を生成するのに使うことができる。
我々は、このアプローチを具体的なインスタンス化と例示的な実装、特にチームワーク研究の分野で詳述する。
チームインタラクションの現実世界のデータセットを使用すると、提案手法のサンプルデータ分析アプリケーションからの結果が含まれ、新しい分析オプションを示し、チームワーク研究の観点から結果の可能性を議論します。
関連論文リスト
- A Survey on Diffusion Models for Time Series and Spatio-Temporal Data [92.1255811066468]
時系列およびS時間データにおける拡散モデルの使用について概観し、それらをモデル、タスクタイプ、データモダリティ、実用的なアプリケーションドメインで分類する。
我々は拡散モデルを無条件型と条件付き型に分類し、時系列とS時間データを別々に議論する。
本調査は,医療,レコメンデーション,気候,エネルギー,オーディオ,交通など,さまざまな分野の応用を幅広くカバーしている。
論文 参考訳(メタデータ) (2024-04-29T17:19:40Z) - generAItor: Tree-in-the-Loop Text Generation for Language Model
Explainability and Adaptation [28.715001906405362]
大規模言語モデル(LLM)は、自動補完、補助的な書き込み、チャットベースのテキスト生成など、様々な下流タスクに広くデプロイされている。
本稿では,ビーム探索ツリーの視覚的表現を解析,説明,適応する中心的な要素とする,ループ内ツリーのアプローチを提案することで,この欠点に対処する。
視覚解析技術であるGenerAItorを,タスク固有のウィジェットで中央ビーム探索木を拡大し,ターゲットとした可視化とインタラクションの可能性を提供する。
論文 参考訳(メタデータ) (2024-03-12T13:09:15Z) - Assessing Privacy Risks in Language Models: A Case Study on
Summarization Tasks [65.21536453075275]
我々は要約作業に焦点をあて、会員推測(MI)攻撃について調査する。
テキストの類似性や文書修正に対するモデルの抵抗をMI信号として活用する。
我々は、MI攻撃から保護するための要約モデルの訓練と、プライバシとユーティリティの本質的にのトレードオフについて議論する。
論文 参考訳(メタデータ) (2023-10-20T05:44:39Z) - Extracting Interpretable Local and Global Representations from Attention
on Time Series [0.135975510645475]
本稿では,局所的抽象化とグローバル表現を併用した2つのトランスフォーマーアテンションに基づく解釈可能性手法を提案する。
ローカルコンテキストとグローバルコンテキストを区別し、一般的な解釈オプションの両方に包括的なフレームワークを提供する。
論文 参考訳(メタデータ) (2023-09-16T00:51:49Z) - Approximating Counterfactual Bounds while Fusing Observational, Biased
and Randomised Data Sources [64.96984404868411]
我々は、複数の、偏見のある、観察的、介入的な研究からのデータを統合するという問題に対処する。
利用可能なデータの可能性は局所的な最大値を持たないことを示す。
次に、同じアプローチが複数のデータセットの一般的なケースにどのように対処できるかを示す。
論文 参考訳(メタデータ) (2023-07-31T11:28:24Z) - DANLIP: Deep Autoregressive Networks for Locally Interpretable
Probabilistic Forecasting [0.0]
本稿では,本質的に解釈可能な,深層学習に基づく確率的時系列予測アーキテクチャを提案する。
我々のモデルは解釈可能であるだけでなく、最先端の確率的時系列予測手法に匹敵する性能を提供する。
論文 参考訳(メタデータ) (2023-01-05T23:40:23Z) - A Unified Comparison of User Modeling Techniques for Predicting Data
Interaction and Detecting Exploration Bias [17.518601254380275]
我々は,4つのユーザスタディデータセットの多種多様なセットにおいて,その性能に基づいて8つのユーザモデリングアルゴリズムを比較し,ランク付けする。
本研究は,ユーザインタラクションの分析と可視化のためのオープンな課題と新たな方向性を強調した。
論文 参考訳(メタデータ) (2022-08-09T19:51:10Z) - Temporal Relevance Analysis for Video Action Models [70.39411261685963]
まず,CNNに基づく行動モデルにより捉えたフレーム間の時間的関係を定量化する手法を提案する。
次に、時間的モデリングがどのように影響を受けるかをよりよく理解するために、包括的な実験と詳細な分析を行います。
論文 参考訳(メタデータ) (2022-04-25T19:06:48Z) - Self-Attention Neural Bag-of-Features [103.70855797025689]
我々は最近導入された2D-Attentionの上に構築し、注意学習方法論を再構築する。
本稿では,関連情報を強調した2次元目視マスクを学習する機能・時間的アテンション機構を提案する。
論文 参考訳(メタデータ) (2022-01-26T17:54:14Z) - Deep Neural Approaches to Relation Triplets Extraction: A Comprehensive
Survey [22.586079965178975]
我々は、公開データセット上のディープニューラルネットワークを用いた関係抽出に焦点を当てる。
文レベルの関係抽出,文書レベルの関係抽出,パイプラインによる共同抽出アプローチ,注釈付きデータセット,遠隔教師付きデータセットなどについて述べる。
本稿では,ニューラルネットワークについて,畳み込みモデル,リカレントネットワークモデル,アテンションネットワークモデル,グラフ畳み込みモデルについて報告する。
論文 参考訳(メタデータ) (2021-03-31T09:27:15Z) - CDEvalSumm: An Empirical Study of Cross-Dataset Evaluation for Neural
Summarization Systems [121.78477833009671]
データセット間設定下での様々な要約モデルの性能について検討する。
異なるドメインの5つのデータセットに対する11の代表的な要約システムに関する包括的な研究は、モデルアーキテクチャと生成方法の影響を明らかにしている。
論文 参考訳(メタデータ) (2020-10-11T02:19:15Z)
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。