論文の概要: Spatially and Robustly Hybrid Mixture Regression Model for Inference of
Spatial Dependence
- arxiv url: http://arxiv.org/abs/2109.00539v1
- Date: Wed, 1 Sep 2021 16:29:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-04 09:12:57.519939
- Title: Spatially and Robustly Hybrid Mixture Regression Model for Inference of
Spatial Dependence
- Title（参考訳）: 空間依存推定のための空間的・ロバストな混合混合回帰モデル
- Authors: Wennan Chang, Pengtao Dang, Changlin Wan, Yue Fang, Tong Zhao, Yong
Zang, Bo Li, Chi Zhang, Sha Cao
- Abstract要約: 本研究では,空間領域上での応答変数と説明変数の集合との関係を検討するために,空間ロバスト混合回帰モデルを提案する。
本手法は, 空間的非定常性, 局所的均一性, 外れ値の同時処理を行うために, 空間的制約を伴う頑健な有限混合ガウス回帰モデルを統合する。
多くの合成および実世界のデータセットに対する実験結果から,提案手法のロバスト性,精度,有効性が確認された。
- 参考スコア（独自算出の注目度）: 15.540178661090458
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we propose a Spatial Robust Mixture Regression model to
investigate the relationship between a response variable and a set of
explanatory variables over the spatial domain, assuming that the relationships
may exhibit complex spatially dynamic patterns that cannot be captured by
constant regression coefficients. Our method integrates the robust finite
mixture Gaussian regression model with spatial constraints, to simultaneously
handle the spatial nonstationarity, local homogeneity, and outlier
contaminations. Compared with existing spatial regression models, our proposed
model assumes the existence a few distinct regression models that are estimated
based on observations that exhibit similar response-predictor relationships. As
such, the proposed model not only accounts for nonstationarity in the spatial
trend, but also clusters observations into a few distinct and homogenous
groups. This provides an advantage on interpretation with a few stationary
sub-processes identified that capture the predominant relationships between
response and predictor variables. Moreover, the proposed method incorporates
robust procedures to handle contaminations from both regression outliers and
spatial outliers. By doing so, we robustly segment the spatial domain into
distinct local regions with similar regression coefficients, and sporadic
locations that are purely outliers. Rigorous statistical hypothesis testing
procedure has been designed to test the significance of such segmentation.
Experimental results on many synthetic and real-world datasets demonstrate the
robustness, accuracy, and effectiveness of our proposed method, compared with
other robust finite mixture regression, spatial regression and spatial
segmentation methods.
- Abstract（参考訳）: 本稿では,空間領域上での応答変数と説明変数の集合の関係を解析するために,空間ロバスト混合回帰モデルを提案する。
本手法はロバストな有限混合ガウス回帰モデルと空間制約を統合し,空間的非定常性,局所的同質性,異常汚染を同時に扱う。
既存の空間回帰モデルと比較して,提案モデルは類似の応答・予測関係を示す観測結果に基づいて推定されるいくつかの異なる回帰モデルが存在すると仮定する。
このように、提案されたモデルは、空間的傾向の非定常性だけでなく、いくつかの異なる同族群へのクラスター観測も考慮している。
これは、応答変数と予測変数の間の支配的な関係を捉えたいくつかの定常サブプロセスで解釈する上で有利である。
さらに, 提案手法は, 回帰アウトレーヤと空間アウトレーヤの両方から汚染を処理するための頑健な手法を取り入れている。
これにより、空間領域を類似の回帰係数を持つ異なる局所領域と、純粋に外れ値である散発的な位置にロバストに分割する。
厳密な統計的仮説検証手順は、そのようなセグメンテーションの意義をテストするために設計されている。
多くの合成および実世界のデータセットにおける実験結果は,提案手法のロバスト性,精度,有効性を示し,他のロバスト有限混合回帰法,空間回帰法,空間分割法と比較した。
関連論文リスト
- Deep Fréchet Regression [4.915744683251151]
パラメトリックな仮定を課さずに高次元予測器を扱えるフレキシブル回帰モデルを提案する。
提案手法は,非ユークリッド応答に対する既存手法よりも優れている。
論文 参考訳（メタデータ） (2024-07-31T07:54:14Z) - Collaborative Heterogeneous Causal Inference Beyond Meta-analysis [68.4474531911361]
異種データを用いた因果推論のための協調的逆確率スコア推定器を提案する。
異質性の増加に伴うメタアナリシスに基づく手法に対して,本手法は有意な改善を示した。
論文 参考訳（メタデータ） (2024-04-24T09:04:36Z) - Conformal inference for regression on Riemannian Manifolds [49.7719149179179]
回帰シナリオの予測セットは、応答変数が$Y$で、多様体に存在し、Xで表される共変数がユークリッド空間にあるときに検討する。
我々は、多様体上のこれらの領域の経験的バージョンが、その集団に対するほぼ確実に収束していることを証明する。
論文 参考訳（メタデータ） (2023-10-12T10:56:25Z) - 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) - Errors-in-variables Fr\'echet Regression with Low-rank Covariate
Approximation [2.1756081703276]
Fr'echet回帰は、非ユークリッド応答変数を含む回帰分析のための有望なアプローチとして登場した。
提案手法は,大域的Fr'echet回帰と主成分回帰の概念を組み合わせて,回帰推定器の効率と精度を向上させることを目的とする。
論文 参考訳（メタデータ） (2023-05-16T08:37:54Z) - Strong identifiability and parameter learning in regression with
heterogeneous response [5.503319042839695]
本研究では, 有限混合回帰モデルにおける強い識別可能性, 条件密度およびパラメータ推定の収束率, およびベイズ後部収縮挙動について検討する。
本稿では,本論文で報告されているいくつかの一般的な回帰混合モデルに見られるパラメータ学習行動について,シミュレーション研究とデータ図解を提供する。
論文 参考訳（メタデータ） (2022-12-08T05:58:13Z) - Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。
条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。
提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
論文 参考訳（メタデータ） (2022-11-30T05:33:29Z) - Beyond Instance Discrimination: Relation-aware Contrastive
Self-supervised Learning [75.46664770669949]
本稿では,関係認識型コントラスト型自己教師型学習(ReCo)をインスタンス関係に統合するために提案する。
当社のReCoは、常に顕著なパフォーマンス改善を実現しています。
論文 参考訳（メタデータ） (2022-11-02T03:25:28Z) - MINIMALIST: Mutual INformatIon Maximization for Amortized Likelihood
Inference from Sampled Trajectories [61.3299263929289]
シミュレーションベースの推論は、その可能性が実際に計算できない場合でもモデルのパラメータを学習することができる。
あるクラスのメソッドは、異なるパラメータでシミュレートされたデータを使用して、確率とエビデンス比の償却推定器を推定する。
モデルパラメータとシミュレーションデータ間の相互情報の観点から,本手法が定式化可能であることを示す。
論文 参考訳（メタデータ） (2021-06-03T12:59:16Z) - 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)
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。