Fugu-MT 論文翻訳(概要): Valid and Exact Statistical Inference for Multi-dimensional Multiple Change-Points by Selective Inference

論文の概要: Valid and Exact Statistical Inference for Multi-dimensional Multiple Change-Points by Selective Inference

arxiv url: http://arxiv.org/abs/2110.08989v1
Date: Mon, 18 Oct 2021 02:44:34 GMT
ステータス: 処理完了
システム内更新日: 2021-10-20 06:10:53.068269
Title: Valid and Exact Statistical Inference for Multi-dimensional Multiple Change-Points by Selective Inference
Title（参考訳）: 選択的推論による多次元多重変化点の統計的検証
Authors: Ryota Sugiyama, Hiroki Toda, Vo Nguyen Le Duy, Yu Inatsu, Ichiro Takeuchi
Abstract要約: 多次元配列における変化点(CP)の統計的推定について検討した。検出された位置と成分の統計的信頼性を評価するための有効な正確な推測方法が確立されていない。提案手法の有効性を,ゲノム異常の同定と人間の行動解析の問題点に適用することで実証する。
参考スコア（独自算出の注目度）: 17.926836136701194
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, we study statistical inference of change-points (CPs) in multi-dimensional sequence. In CP detection from a multi-dimensional sequence, it is often desirable not only to detect the location, but also to identify the subset of the components in which the change occurs. Several algorithms have been proposed for such problems, but no valid exact inference method has been established to evaluate the statistical reliability of the detected locations and components. In this study, we propose a method that can guarantee the statistical reliability of both the location and the components of the detected changes. We demonstrate the effectiveness of the proposed method by applying it to the problems of genomic abnormality identification and human behavior analysis.
Abstract（参考訳）: 本稿では,多次元配列における変化点(CP)の統計的推測について検討する。多次元配列からのCP検出では、位置を検出するだけでなく、変化が起こるコンポーネントのサブセットを特定することも望ましい。このような問題に対していくつかのアルゴリズムが提案されているが、検出された位置や成分の統計的信頼性を評価するための正確な推測法は確立されていない。本研究では,検出された変化の位置と成分の両方の統計的信頼性を保証する手法を提案する。提案手法の有効性を,ゲノム異常の同定と人間の行動解析の問題点に適用することで実証する。

関連論文リスト

Embedding Trajectory for Out-of-Distribution Detection in Mathematical Reasoning [50.84938730450622]
数理推論におけるOOD検出にトラジェクトリボラティリティを用いたトラジェクトリベースのTVスコアを提案する。本手法は, 数学的推論シナリオ下でのGLM上での従来のアルゴリズムよりも優れる。提案手法は,複数選択質問などの出力空間における高密度特徴を持つアプリケーションに拡張することができる。
論文参考訳（メタデータ） (2024-05-22T22:22:25Z)
Partially-Observable Sequential Change-Point Detection for Autocorrelated Data via Upper Confidence Region [12.645304808491309]
逐次変化点検出のための状態空間モデル(AUCRSS)を用いたアダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・ SSMのオンライン推論のために部分的に観測可能なカルマンフィルタアルゴリズムを開発し、一般化された確率比テストに基づく変化点検出スキームを解析する。
論文参考訳（メタデータ） (2024-03-30T02:32:53Z)
Change Point Detection with Copula Entropy based Two-Sample Test [1.7125489646780319]
変更点検出は、時系列の変化を見つけることを目的とした典型的なタスクであり、2サンプルテストに対処できる。コピュラエントロピー(Copula Entropy)は、統計的な独立性を測定する数学的概念であり、最近導入された2サンプルテストである。本研究では,コプラエントロピーに基づく2サンプル検定による多変点検出のための非パラメトリック多変量法を提案する。
論文参考訳（メタデータ） (2024-02-03T20:36:48Z)
Change points detection in crime-related time series: an on-line fuzzy approach based on a shape space representation [0.0]
本稿では,犯罪関連時系列における変化点の検出と問合せを行うオンライン手法を提案する。この手法は、非常に低い計算コストで変化点を正確に検出することができる。
論文参考訳（メタデータ） (2023-12-18T10:49:03Z)
Towards stable real-world equation discovery with assessing differentiating quality influence [52.2980614912553]
一般的に用いられる有限差分法に代わる方法を提案する。我々は,これらの手法を実問題と類似した問題に適用可能であること,および方程式発見アルゴリズムの収束性を確保する能力の観点から評価する。
論文参考訳（メタデータ） (2023-11-09T23:32:06Z)
Unsupervised Change Point Detection for heterogeneous sensor signals [0.0]
各種データソースへの適用における柔軟性から,教師なしの手法を専ら検討する。提案手法は,アルゴリズムを比較するためのいくつかの基準に基づいて導入し,評価する。
論文参考訳（メタデータ） (2023-05-19T19:49:44Z)
Variational Voxel Pseudo Image Tracking [127.46919555100543]
不確実性推定は、ロボット工学や自律運転といった重要な問題にとって重要なタスクである。本稿では,3次元物体追跡のためのVoxel Pseudo Image Tracking (VPIT) の変分ニューラルネットワークによるバージョンを提案する。
論文参考訳（メタデータ） (2023-02-12T13:34:50Z)
Causality-Based Multivariate Time Series Anomaly Detection [63.799474860969156]
我々は、因果的観点から異常検出問題を定式化し、多変量データを生成するための通常の因果的メカニズムに従わない事例として、異常を考察する。次に、まずデータから因果構造を学習し、次に、あるインスタンスが局所因果機構に対して異常であるかどうかを推定する因果検出手法を提案する。我々は、実世界のAIOpsアプリケーションに関するケーススタディと同様に、シミュレートされたデータセットとパブリックなデータセットの両方を用いて、私たちのアプローチを評価します。
論文参考訳（メタデータ） (2022-06-30T06:00:13Z)
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)
An Evaluation of Anomaly Detection and Diagnosis in Multivariate Time Series [7.675917669905486]
本稿では,異常検出・診断のための教師なし・半教師付き深層学習手法の体系的・包括的評価について述べる。我々は、10のモデルと4のスコアリング関数のグリッドを通して、モデルエラーのモデルと後処理を変え、これらの変種を最先端の手法と比較する。既存の評価指標は、事象を考慮に入れていないか、良い検知器と自明な検出器を区別できないかのどちらかである。
論文参考訳（メタデータ） (2021-09-23T15:14:24Z)
Change Point Detection in Time Series Data using Autoencoders with a Time-Invariant Representation [69.34035527763916]
変化点検出(CPD)は、時系列データにおける急激な特性変化を見つけることを目的としている。近年のCDD法は、深層学習技術を用いる可能性を示したが、信号の自己相関統計学におけるより微妙な変化を識別する能力に欠けることが多い。我々は、新しい損失関数を持つオートエンコーダに基づく手法を用い、使用済みオートエンコーダは、CDDに適した部分的な時間不変表現を学習する。
論文参考訳（メタデータ） (2020-08-21T15:03:21Z)

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。