論文の概要: Robust and efficient change point detection using novel multivariate
rank-energy GoF test
- arxiv url: http://arxiv.org/abs/2111.00047v1
- Date: Fri, 29 Oct 2021 19:08:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-05 03:06:36.486444
- Title: Robust and efficient change point detection using novel multivariate
rank-energy GoF test
- Title（参考訳）: 新しい多変量ランクエネルギーGoFテストによるロバストかつ効率的な変化点検出
- Authors: Shoaib Bin Masud
- Abstract要約: また,Range Energy(RE)を直接使用すると,分布の変化に対して高い感度が得られることを示した。
本稿では,エントロピー正規化OTをベースとしたソフトランドエネルギー(sRE)を提案し,CDDに活用する。
本稿では,RE よりも sRE を用いることの利点について議論し,提案した sRE ベースの CPD が,実データおよび合成データセット上で,AUC (Area Under the Curve) と F1-score の両面で,既存の手法よりも優れていることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we use and further develop upon a recently proposed
multivariate, distribution-free Goodness-of-Fit (GoF) test based on the theory
of Optimal Transport (OT) called the Rank Energy (RE) [1], for non-parametric
and unsupervised Change Point Detection (CPD) in multivariate time series data.
We show that directly using RE leads to high sensitivity to very small changes
in distributions (causing high false alarms) and it requires large sample
complexity and huge computational cost. To alleviate these drawbacks, we
propose a new GoF test statistic called as soft-Rank Energy (sRE) that is based
on entropy regularized OT and employ it towards CPD. We discuss the advantages
of using sRE over RE and demonstrate that the proposed sRE based CPD
outperforms all the existing methods in terms of Area Under the Curve (AUC) and
F1-score on real and synthetic data sets.
- Abstract（参考訳）: 本稿では,多変量時系列データにおける非パラメトリックかつ教師なし変化点検出(CPD)のための最適輸送(OT)理論であるRange Energy(RE)[1]をベースとした,最近提案された多変量分布自由グッドネス・オブ・フィット(GoF)テストのさらなる展開と展開を行う。
reを直接使用すると、非常に小さな分布の変化(高い誤ったアラームを発生させる)に対して高い感度が得られ、大量のサンプルの複雑さと膨大な計算コストが必要となる。
これらの欠点を軽減するために,エントロピー正規化OTをベースとした新しいGoFテスト統計法であるSoft-Rank Energy(sRE)を提案する。
本稿では,RE よりも sRE を用いることの利点について議論し,提案した sRE ベースの CPD が,実データおよび合成データセット上で,AUC (Area Under the Curve) と F1-score の両面で既存の手法よりも優れていることを示す。
関連論文リスト
- Policy Gradient with Active Importance Sampling [55.112959067035916]
政策勾配法(PG法)はISの利点を大いに生かし、以前に収集したサンプルを効果的に再利用することができる。
しかし、ISは歴史的サンプルを再重み付けするための受動的ツールとしてRLに採用されている。
我々は、政策勾配のばらつきを減らすために、サンプルを収集する最良の行動ポリシーを模索する。
論文 参考訳（メタデータ） (2024-05-09T09:08:09Z) - Provably Efficient Algorithm for Nonstationary Low-Rank MDPs [48.92657638730582]
我々は,非定常RLを,遷移カーネルと報酬の両方が時間とともに変化するような,エピソードな低ランクMDPで調査する最初の試みを行っている。
本稿では,パラメータ依存型ポリシ最適化アルゴリズムである Portal を提案し,パラメータフリー版である Ada-Portal の Portal をさらに改良する。
両アルゴリズムとも,非定常性が著しく大きくない限り, Portal と Ada-PortAL はサンプリング効率が良く,サンプリング複雑性を伴う平均的動的準最適ギャップを任意に小さく得ることを示す。
論文 参考訳（メタデータ） (2023-08-10T09:52:44Z) - On Rank Energy Statistics via Optimal Transport: Continuity,
Convergence, and Change Point Detection [13.159994710917024]
ソフトランクエネルギーは、統計的収束の速さと頑健な連続性の両方を楽しむことを示す。
正則化パラメータを用いて,ソフトランクエネルギーとランクエネルギーの差分を定量化する。
論文 参考訳（メタデータ） (2023-02-15T22:02:09Z) - DR-DSGD: A Distributionally Robust Decentralized Learning Algorithm over
Graphs [54.08445874064361]
本稿では,分散環境下での正規化された分散ロバストな学習問題を解くことを提案する。
Kullback-Liebler正規化関数をロバストなmin-max最適化問題に追加することにより、学習問題を修正されたロバストな問題に還元することができる。
提案アルゴリズムは, 最低分布検定精度を最大10%向上できることを示す。
論文 参考訳（メタデータ） (2022-08-29T18:01:42Z) - Determinantal point processes based on orthogonal polynomials for
sampling minibatches in SGD [0.0]
勾配降下(SGD)は機械学習の基盤である。
デフォルトのミニバッチ構成では、望ましいサイズのサブセットを一様にサンプリングする。
DPPと制御された近似の列が、一様サンプリングよりもバッチサイズで高速に崩壊するばらつきを持つ勾配推定器にどのように影響するかを示す。
論文 参考訳（メタデータ） (2021-12-11T15:09:19Z) - Learning generative models for valid knockoffs using novel
multivariate-rank based statistics [12.528602250193206]
ランクエネルギー (RE) は、Monge's Optimal Transport (OT) 問題における最適写像を特徴付ける理論的結果を用いて導出される。
我々は、ソフトランクエネルギー(sRE)と呼ばれるREの変種と、ソフトランク最大平均誤差(sRMMD)と呼ばれるカーネル変種を提案する。
次に、sRMMDを用いて深いノックオフを生成し、有効なノックオフを生成するための新規かつ効果的な方法であることを示す。
論文 参考訳（メタデータ） (2021-10-29T18:51:19Z) - Solving Multistage Stochastic Linear Programming via Regularized Linear
Decision Rules: An Application to Hydrothermal Dispatch Planning [77.34726150561087]
AdaSO(Adaptive least absolute shrinkage and selection operator)に基づく線形決定規則(LDR)の新しい正規化手法を提案する。
実験により、MSLPを解くために古典的な非正規化LDRを使用する場合、過度に適合する脅威は無視できないことが示された。
LHDP問題に対しては、非正規化ベンチマークと比較して、提案したフレームワークの次の利点を強調した。
論文 参考訳（メタデータ） (2021-10-07T02:36:14Z) - Reparameterized Sampling for Generative Adversarial Networks [71.30132908130581]
本稿では,マルコフ連鎖をジェネレータの潜在空間に再配置することで,一般依存型提案を可能にする新しいサンプリング手法REP-GANを提案する。
実験的な実験により、我々のREP-GANはサンプル効率を大幅に改善し、同時により良いサンプル品質を得ることを示した。
論文 参考訳（メタデータ） (2021-07-01T10:34:55Z) - High-dimensional, multiscale online changepoint detection [7.502070498889449]
ガウス的データストリームが平均的に変更されるような設定において,高次元のオンライン変更点検出のための新しい手法を提案する。
このアルゴリズムは、新しい観測におけるストレージ要件と最悪の計算複雑性の両方が、以前の観測数とは無関係であるという意味で、オンラインである。
Rパッケージ 'ocd' に実装した提案手法の有効性をシミュレーションにより検証し,その有効性を地震学データセット上で実証する。
論文 参考訳（メタデータ） (2020-03-07T21:54:09Z) - Stochastic-Sign SGD for Federated Learning with Theoretical Guarantees [49.91477656517431]
量子化に基づく解法は、フェデレートラーニング(FL)において広く採用されている。
上記のプロパティをすべて享受する既存のメソッドはありません。
本稿では,SIGNSGDに基づく直感的かつ理論的に簡易な手法を提案し,そのギャップを埋める。
論文 参考訳（メタデータ） (2020-02-25T15:12:15Z)
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。