論文の概要: Bayesian Online Change Point Detection for Baseline Shifts

• arxiv url: http://arxiv.org/abs/2201.02325v1
• Date: Fri, 7 Jan 2022 04:44:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-10 19:35:43.369354
• Title: Bayesian Online Change Point Detection for Baseline Shifts
• Title（参考訳）: ベースラインシフトに対するベイズオンライン変化点検出
• Authors: Ginga Yoshizawa
• Abstract要約: 時系列データ分析において、リアルタイムな変化点(オンライン)の検出は、金融、環境モニタリング、医療など、多くの分野で大きな関心を集めている。 これを実現するための有望な手段の1つは、ベイズオンライン変更点検出(BOCPD)アルゴリズムである。 このアルゴリズムは、ベースラインが初期状態から不可逆的にシフトした場合に困難であることが判明した。これは、元のBOCPDアルゴリズムでは、データポイントが位置で変動している場合、変化点を検出する感度が低下するからである。
• 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 time series data analysis, detecting change points on a real-time basis (online) is of great interest in many areas, such as finance, environmental monitoring, and medicine. One promising means to achieve this is the Bayesian online change point detection (BOCPD) algorithm, which has been successfully adopted in particular cases in which the time series of interest has a fixed baseline. However, we have found that the algorithm struggles when the baseline irreversibly shifts from its initial state. This is because with the original BOCPD algorithm, the sensitivity with which a change point can be detected is degraded if the data points are fluctuating at locations relatively far from the original baseline. In this paper, we not only extend the original BOCPD algorithm to be applicable to a time series whose baseline is constantly shifting toward unknown values but also visualize why the proposed extension works. To demonstrate the efficacy of the proposed algorithm compared to the original one, we examine these algorithms on two real-world data sets and six synthetic data sets.
• Abstract（参考訳）: 時系列データ分析において、リアルタイムな変化点(オンライン)の検出は、金融、環境モニタリング、医療など、多くの分野で大きな関心を集めている。 これを実現するための有望な手段の1つは、ベイズオンライン変更点検出(BOCPD)アルゴリズムである。 しかし,ベースラインが初期状態から不可逆的に移行した場合,アルゴリズムが問題となることがわかった。 これは、元のBOCPDアルゴリズムにより、データポイントが元のベースラインから比較的離れた場所で変動している場合、変化点を検出する感度が低下するためである。 本稿では,BOCPDアルゴリズムをベースラインが常に未知の値にシフトしている時系列に適用できるように拡張するだけでなく,提案手法の動作理由を可視化する。 提案アルゴリズムの有効性を示すために,提案アルゴリズムを実世界の2つのデータセットと6つの合成データセットで検証した。

関連論文リスト

• Benchmarking changepoint detection algorithms on cardiac time series [3.397233888137007]
  本研究は、疾患分類などの特定のタスクに対して、変更点検出アルゴリズムを選択するための原則的なアプローチを提案する。 人工データから選択したパラメータを用いて,REM行動障害(RBD)患者22名と健常者15名の実データ(心的時系列)に全アルゴリズムを適用した。
  論文  参考訳（メタデータ） (2024-04-16T20:48:50Z)
• Change Point Detection with Conceptors [0.6526824510982799]
  オフラインの変更点検出は、時系列内の変更点を振り返って特定する。 平均と分散の変化を対象とする多くの非パラメトリック手法は、非線形時間依存の存在下では失敗する。 本稿では,任意の依存構造を持つベースライン学習窓の特性を学習するための概念行列を提案する。 関連するエコー状態ネットワークはデータのデファシライザとして機能し、特徴間の相互作用の性質とベースライン状態との関係から変化点を識別する。
  論文  参考訳（メタデータ） (2023-08-11T16:32:00Z)
• The Cascaded Forward Algorithm for Neural Network Training [61.06444586991505]
  本稿では,ニューラルネットワークのための新しい学習フレームワークであるCascaded Forward(CaFo)アルゴリズムを提案する。 FFとは異なり、我々のフレームワークは各カスケードブロックのラベル分布を直接出力する。 我々のフレームワークでは、各ブロックは独立して訓練できるので、並列加速度システムに容易に展開できる。
  論文  参考訳（メタデータ） (2023-03-17T02:01:11Z)
• Deep learning model solves change point detection for multiple change types [69.77452691994712]
  変更点検出は、データ分散の急激な障害をキャッチすることを目的としている。 本稿では,マルチディストリビューションシナリオにおけるアプローチを提案する。
  論文  参考訳（メタデータ） (2022-04-15T09:44:21Z)
• Online Changepoint Detection on a Budget [5.077509096253692]
  変更ポイントは、基礎となるデータの分布の急激なバリエーションである。 本稿では,オフラインの切替点検出アルゴリズムと比較したオンライン切替点検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-01-11T00:20:33Z)
• Policy Gradient for Continuing Tasks in Non-stationary Markov Decision Processes [112.38662246621969]
  強化学習は、マルコフ決定プロセスにおいて期待される累積報酬を最大化するポリシーを見つけることの問題を考える。 我々は、ポリシーを更新するために上昇方向として使用する値関数の偏りのないナビゲーション勾配を計算する。 ポリシー勾配型アルゴリズムの大きな欠点は、定常性の仮定が課せられない限り、それらがエピソジックなタスクに限定されていることである。
  論文  参考訳（メタデータ） (2020-10-16T15:15:42Z)
• 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)
• Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
  局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。 本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。 実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
  論文  参考訳（メタデータ） (2020-07-20T12:07:48Z)
• FedPD: A Federated Learning Framework with Optimal Rates and Adaptivity to Non-IID Data [59.50904660420082]
  フェデレートラーニング(FL)は、分散データから学ぶための一般的なパラダイムになっています。 クラウドに移行することなく、さまざまなデバイスのデータを効果的に活用するために、Federated Averaging(FedAvg)などのアルゴリズムでは、"Computation then aggregate"(CTA)モデルを採用している。
  論文  参考訳（メタデータ） (2020-05-22T23:07:42Z)
• An Evaluation of Change Point Detection Algorithms [6.03459316244618]
  本稿では,変化点検出アルゴリズムの評価に特化して設計されたデータセットを提案する。 それぞれのシリーズは5人のアノテータによって注釈され、変化点の存在と位置について基礎的な真実を提供した。 次に、データセットの各時系列に対して14のアルゴリズムを評価するベンチマーク研究を行う。
  論文  参考訳（メタデータ） (2020-03-13T12:23:41Z)
• Generalization of Change-Point Detection in Time Series Data Based on Direct Density Ratio Estimation [1.929039244357139]
  既存のアルゴリズムを様々なバイナリ分類と回帰モデルを用いて一般化する方法を示す。 アルゴリズムは、いくつかの合成および実世界のデータセットでテストされる。
  論文  参考訳（メタデータ） (2020-01-17T15:45:38Z)

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。