Fugu-MT 論文翻訳(概要): Temporal Scale Estimation for Oversampled Network Cascades: Theory, Algorithms, and Experiment

論文の概要: Temporal Scale Estimation for Oversampled Network Cascades: Theory, Algorithms, and Experiment

arxiv url: http://arxiv.org/abs/2109.10937v1
Date: Wed, 22 Sep 2021 18:03:28 GMT
ステータス: 処理完了
システム内更新日: 2021-09-24 14:52:06.315148
Title: Temporal Scale Estimation for Oversampled Network Cascades: Theory, Algorithms, and Experiment
Title（参考訳）: オーバーサンプリングされたネットワークカスケードの時間スケール推定:理論、アルゴリズム、および実験
Authors: Abram Magner and Carolyn Kaminski and Petko Bogdanov
Abstract要約: 拡散過程に対する様々な離散時間確率モデルが提案されている。 FastClockは、入力サイズで線形時間で動作するクロック推定アルゴリズムである。本研究では,提案アルゴリズムの性能を,アート推定器の状態と比較した実験結果を示す。
参考スコア（独自算出の注目度）: 8.43300003915341
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Spreading processes on graphs arise in a host of application domains, from the study of online social networks to viral marketing to epidemiology. Various discrete-time probabilistic models for spreading processes have been proposed. These are used for downstream statistical estimation and prediction problems, often involving messages or other information that is transmitted along with infections caused by the process. It is thus important to design models of cascade observation that take into account phenomena that lead to uncertainty about the process state at any given time. We highlight one such phenomenon -- temporal distortion -- caused by a misalignment between the rate at which observations of a cascade process are made and the rate at which the process itself operates, and argue that failure to correct for it results in degradation of performance on downstream statistical tasks. To address these issues, we formulate the clock estimation problem in terms of a natural distortion measure. We give a clock estimation algorithm, which we call FastClock, that runs in linear time in the size of its input and is provably statistically accurate for a broad range of model parameters when cascades are generated from the independent cascade process with known parameters and when the underlying graph is Erd\H{o}s-R\'enyi. We further give empirical results on the performance of our algorithm in comparison to the state of the art estimator, a likelihood proxy maximization-based estimator implemented via dynamic programming. We find that, in a broad parameter regime, our algorithm substantially outperforms the dynamic programming algorithm in terms of both running time and accuracy.
Abstract（参考訳）: グラフ上での拡散プロセスは、オンラインソーシャルネットワークの研究からバイラルマーケティング、疫学まで、さまざまなアプリケーションドメインで発生します。分散過程に対する離散時間確率モデルが提案されている。これらは下流の統計的推定や予測問題に使われ、しばしばプロセスによって引き起こされる感染と共に送信されるメッセージやその他の情報を含む。したがって、いつでもプロセス状態の不確実性につながる現象を考慮に入れたカスケード観測のモデルを設計することが重要である。我々は,カスケード過程の観測率とプロセス自体の動作率の誤一致に起因する時間的歪みを浮き彫りにし,それに対する補正の失敗は下流の統計的タスクにおける性能の低下をもたらすと論じる。これらの問題に対処するため、自然歪み測定の観点からクロック推定問題を定式化する。我々は、FastClockと呼ばれるクロック推定アルゴリズムを、入力のサイズで線形時間で実行し、カスケードが既知のパラメータを持つ独立カスケードプロセスから生成され、基礎となるグラフが Erd\H{o}s-R\enyi であるときに、広範囲のモデルパラメータに対して統計的に正確であることを示す。さらに、動的プログラミングにより実装されたプロキシ最大化に基づく推定器であるArt estimatorの状態と比較して、アルゴリズムの性能に関する実証的な結果を与える。広いパラメータ構造において,本アルゴリズムは実行時間と精度の両面で,動的プログラミングアルゴリズムを大幅に上回っていることがわかった。

関連論文リスト

On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
論文参考訳（メタデータ） (2024-05-24T08:08:05Z)
Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values [67.76168547245237]
本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
論文参考訳（メタデータ） (2024-01-11T10:10:16Z)
Deep Ensembles Meets Quantile Regression: Uncertainty-aware Imputation for Time Series [45.76310830281876]
量子回帰に基づくタスクネットワークのアンサンブルを用いて不確実性を推定する新しい手法であるQuantile Sub-Ensemblesを提案する。提案手法は,高い損失率に頑健な高精度な計算法を生成するだけでなく,非生成モデルの高速な学習により,計算効率も向上する。
論文参考訳（メタデータ） (2023-12-03T05:52:30Z)
Online estimation methods for irregular autoregressive models [0.0]
現在、この問題に対処するための方法として、いわゆるオンライン学習法では、現在のパラメータ推定と新しいデータを用いて推定値を更新している。本研究では,時系列モデルの文脈におけるパラメータ推定のための3つのオンライン学習アルゴリズムについて考察する。
論文参考訳（メタデータ） (2023-01-31T19:52:04Z)
Mining Causality from Continuous-time Dynamics Models: An Application to Tsunami Forecasting [22.434845478979604]
本研究では,連続時間モデルから因果構造を抽出する機構を提案する。我々は,動的モデルの入力層の重み付けによって因果構造を捕捉するモデルを訓練する。本手法を津波予報という実世界の問題に適用し,正確な因果構造を特徴付けるのが困難である。
論文参考訳（メタデータ） (2022-10-10T18:53:13Z)
Online Time Series Anomaly Detection with State Space Gaussian Processes [12.483273106706623]
R-ssGPFAは、一様および多変量時系列の教師なしオンライン異常検出モデルである。高次元時系列に対して、時系列の一般的な潜伏過程を特定するためにガウス過程因子解析の拡張を提案する。異常観測時にカルマン更新をスキップすることで,モデルの堅牢性を向上させる。
論文参考訳（メタデータ） (2022-01-18T06:43:32Z)
Scalable Intervention Target Estimation in Linear Models [52.60799340056917]
因果構造学習への現在のアプローチは、既知の介入目標を扱うか、仮説テストを使用して未知の介入目標を発見する。本稿では、全ての介入対象を一貫して識別するスケーラブルで効率的なアルゴリズムを提案する。提案アルゴリズムは、与えられた観測マルコフ同値クラスを介入マルコフ同値クラスに更新することも可能である。
論文参考訳（メタデータ） (2021-11-15T03:16:56Z)
Convolutional generative adversarial imputation networks for spatio-temporal missing data in storm surge simulations [86.5302150777089]
GAN(Generative Adversarial Imputation Nets)とGANベースの技術は、教師なし機械学習手法として注目されている。提案手法を Con Conval Generative Adversarial Imputation Nets (Conv-GAIN) と呼ぶ。
論文参考訳（メタデータ） (2021-11-03T03:50:48Z)
Quantifying Uncertainty in Deep Spatiotemporal Forecasting [67.77102283276409]
本稿では,正規格子法とグラフ法という2種類の予測問題について述べる。我々はベイジアンおよび頻繁な視点からUQ法を解析し、統計的決定理論を通じて統一的な枠組みを提示する。実際の道路ネットワークのトラフィック、疫病、空気質予測タスクに関する広範な実験を通じて、異なるUQ手法の統計計算トレードオフを明らかにする。
論文参考訳（メタデータ） (2021-05-25T14:35:46Z)
Gaussian Process Nowcasting: Application to COVID-19 Mortality Reporting [2.8712862578745018]
計測過程の遅延による信号の観測の更新は、信号処理において一般的な問題である。本稿では,報告時間遅延面に存在する自己相関構造の変化を記述可能な潜在ガウス過程を用いた柔軟なアプローチを提案する。このアプローチは、現在予測されている死者数に対する不確実性の堅牢な推定も生み出す。
論文参考訳（メタデータ） (2021-02-22T18:32:44Z)
Instability, Computational Efficiency and Statistical Accuracy [101.32305022521024]
我々は,人口レベルでのアルゴリズムの決定論的収束率と,$n$サンプルに基づく経験的対象に適用した場合の(不安定性)の間の相互作用に基づいて,統計的精度を得るフレームワークを開発する。本稿では,ガウス混合推定,非線形回帰モデル,情報的非応答モデルなど,いくつかの具体的なモデルに対する一般結果の応用について述べる。
論文参考訳（メタデータ） (2020-05-22T22:30:52Z)

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。