Fugu-MT 論文翻訳(概要): Nystr\"{o}m Regularization for Time Series Forecasting

論文の概要: Nystr\"{o}m Regularization for Time Series Forecasting

arxiv url: http://arxiv.org/abs/2111.07109v1
Date: Sat, 13 Nov 2021 12:52:56 GMT
ステータス: 処理完了
システム内更新日: 2021-11-18 08:48:54.831257
Title: Nystr\"{o}m Regularization for Time Series Forecasting
Title（参考訳）: 時系列予測のためのNystr\"{o}m正規化
Authors: Zirui Sun, Mingwei Dai, Yao Wang, Shao-Bo Lin
Abstract要約: 我々は、$tau$-mixing 時系列のシーケンシャルサブサンプリングによるNystr"om正規化のほぼ最適学習率を導出する。理論的結果を検証するために, 一連の数値実験を行った。
参考スコア（独自算出の注目度）: 21.129390888172892
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: This paper focuses on learning rate analysis of Nystr\"{o}m regularization with sequential sub-sampling for $\tau$-mixing time series. Using a recently developed Banach-valued Bernstein inequality for $\tau$-mixing sequences and an integral operator approach based on second-order decomposition, we succeed in deriving almost optimal learning rates of Nystr\"{o}m regularization with sequential sub-sampling for $\tau$-mixing time series. A series of numerical experiments are carried out to verify our theoretical results, showing the excellent learning performance of Nystr\"{o}m regularization with sequential sub-sampling in learning massive time series data. All these results extend the applicable range of Nystr\"{o}m regularization from i.i.d. samples to non-i.i.d. sequences.
Abstract（参考訳）: 本稿では,$\tau$-mixing 時系列の逐次サブサンプリングによる Nystr\"{o}m 正規化の学習速度解析に焦点を当てた。最近開発された$\tau$-mixing 列に対する banach-valued bernstein の不等式と、二階分解に基づく積分演算子法を用いて、nystr\"{o}m のほぼ最適学習率を、$\tau$-mixing 時系列の逐次部分サンプリングで導出することに成功している。大規模時系列データのシーケンシャルサブサンプリングによるNystr\"{o}m正規化の優れた学習性能を示すため,我々の理論的結果を検証するための数値実験を行った。これらの結果は、Nystr\"{o}m正則化の適用範囲を、i.d.サンプルから非i.d.シーケンスへと拡張する。

関連論文リスト

Faster Diffusion Sampling with Randomized Midpoints: Sequential and Parallel [10.840582511203024]
我々のアルゴリズムは、$widetilde O(log2 d)$ parallel roundsでのみ実行できるように並列化可能であることを示す。また、我々のアルゴリズムは、$widetilde O(log2 d)$ parallel roundsでしか実行できないことを示す。
論文参考訳（メタデータ） (2024-06-03T01:34:34Z)
Adaptive Annealed Importance Sampling with Constant Rate Progress [68.8204255655161]
Annealed Importance Smpling (AIS)は、抽出可能な分布から重み付けされたサンプルを合成する。本稿では,alpha$-divergencesに対する定数レートAISアルゴリズムとその効率的な実装を提案する。
論文参考訳（メタデータ） (2023-06-27T08:15:28Z)
Bias Mimicking: A Simple Sampling Approach for Bias Mitigation [57.17709477668213]
本稿では,新しいクラス条件サンプリング手法であるBias Mimickingを紹介する。 Bias Mimickingは、4つのベンチマークで3%の精度でサンプリングの精度を向上する。
論文参考訳（メタデータ） (2022-09-30T17:33:00Z)
A Single-Timescale Analysis For Stochastic Approximation With Multiple Coupled Sequences [21.50207156675195]
複数の結合配列を持つ非線形近似の有限時間収束について検討する。我々の分析の核心は、多くの応用において保持される多列SAの固定点の滑らか性である。
論文参考訳（メタデータ） (2022-06-21T14:13:20Z)
Towards Symbolic Time Series Representation Improved by Kernel Density Estimators [0.0]
本稿では,Symbolic Aggregate approXimation algorithm (SAX) に基づく一般的なマッピング手法について述べる。シーケンス分類、パターンマイニング、異常検出、時系列インデックス化、その他のデータマイニングタスクで広く利用されている。本稿では, 時系列再構成誤差やユークリッド距離下界など, SAX よりも有望な改善を伴う一般的なタスクの評価を含む, 提案手法について述べる。
論文参考訳（メタデータ） (2022-05-25T13:16:18Z)
Information-Theoretic Generalization Bounds for Iterative Semi-Supervised Learning [81.1071978288003]
特に,情報理論の原理を用いて,反復型SSLアルゴリズムのエミュレータ一般化誤差の振る舞いを理解することを目的とする。我々の理論的結果は、クラス条件分散があまり大きくない場合、一般化誤差の上限は反復数とともに単調に減少するが、すぐに飽和することを示している。
論文参考訳（メタデータ） (2021-10-03T05:38:49Z)
Towards Sample-Optimal Compressive Phase Retrieval with Sparse and Generative Priors [59.33977545294148]
O(k log L)$サンプルは振幅に基づく経験損失関数を最小化する任意のベクトルに信号が近いことを保証するのに十分であることを示す。この結果はスパース位相検索に適応し、基底信号が$s$-sparseおよび$n$-dimensionalである場合、$O(s log n)$サンプルは同様の保証に十分であることを示す。
論文参考訳（メタデータ） (2021-06-29T12:49:54Z)
On the Comparison between Cyclic Sampling and Random Reshuffling [27.27774034428748]
周期的なサンプリングは、サンプルを周期的に再シャッフルするよりも頑丈でない、固定された循環的な順序でサンプルを引き出す。既存の研究は、循環サンプリングにおける最悪のケース収束率を確立しており、一般にランダムリシャフリングよりも悪い。本論文では,リシャッフルよりも一定の周期順序の方がはるかに早く,低コストで発見できることを発見した。
論文参考訳（メタデータ） (2021-04-25T09:29:43Z)
Linear-Sample Learning of Low-Rank Distributions [56.59844655107251]
ktimes k$, rank-r$, matrices to normalized $L_1$ distance requires $Omega(frackrepsilon2)$ sample。我々は、$cal O(frackrepsilon2log2fracepsilon)$ sample, a number linear in the high dimension, and almost linear in the matrices, usually low, rank proofs.というアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-09-30T19:10:32Z)
On Multivariate Singular Spectrum Analysis and its Variants [23.517864567789353]
本稿では,多変量特異解析 (mSSA) の変種を導入,解析する。我々は、計算とサンプル外予測の両方に対して平均2乗誤差を1/sqrtmin(N, T )T$として効果的に設定する。ベンチマークデータセットでは、我々のmSSAの変種は最先端のニューラルネットワーク時系列手法と競合する。
論文参考訳（メタデータ） (2020-06-24T03:17:01Z)
Targeted stochastic gradient Markov chain Monte Carlo for hidden Markov models with rare latent states [48.705095800341944]
隠れマルコフモデルのためのマルコフ連鎖モンテカルロ (MCMC) アルゴリズムは、しばしば前向きのサンプリング器に依存する。これにより、時系列の長さが増加するにつれて計算が遅くなり、サブサンプリングベースのアプローチの開発が動機となる。本稿では,パラメータの勾配を計算する際に,希少な潜伏状態に対応するオーバーサンプリング観測を対象とするサブサンプリング手法を提案する。
論文参考訳（メタデータ） (2018-10-31T17:44:20Z)

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。