Fugu-MT 論文翻訳(概要): Statistical prediction of extreme events from small datasets

論文の概要: Statistical prediction of extreme events from small datasets

arxiv url: http://arxiv.org/abs/2201.08294v1
Date: Thu, 20 Jan 2022 16:58:51 GMT
ステータス: 処理完了
システム内更新日: 2022-01-21 14:57:14.375983
Title: Statistical prediction of extreme events from small datasets
Title（参考訳）: 小さなデータセットからの極端事象の統計的予測
Authors: Alberto Racca and Luca Magri
Abstract要約: 乱流中の極端な事象の統計を予測するために,Echo State Networks (ESNs) を訓練する。ネットワークが小さな不完全なデータセットから外挿でき、イベントを記述するヘビーテール統計を予測できるかどうかを評価する。
参考スコア（独自算出の注目度）: 6.85316573653194
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose Echo State Networks (ESNs) to predict the statistics of extreme events in a turbulent flow. We train the ESNs on small datasets that lack information about the extreme events. We asses whether the networks are able to extrapolate from the small imperfect datasets and predict the heavy-tail statistics that describe the events. We find that the networks correctly predict the events and improve the statistics of the system with respect to the training data in almost all cases analysed. This opens up new possibilities for the statistical prediction of extreme events in turbulence.
Abstract（参考訳）: 乱流中の極端な事象の統計を予測するために,Echo State Networks (ESNs)を提案する。極端なイベントに関する情報がない小さなデータセットでESNをトレーニングします。ネットワークが小さな不完全なデータセットから外挿でき、イベントを記述するヘビーテール統計を予測できるかどうかを評価する。その結果,ネットワークはイベントを正しく予測し,ほぼすべてのケースにおいて,トレーニングデータに関してシステムの統計を改善していることがわかった。これは、乱流における極端な事象の統計的予測の新しい可能性を開く。

関連論文リスト

Predicting Seriousness of Injury in a Traffic Accident: A New Imbalanced Dataset and Benchmark [62.997667081978825]
本稿では,交通事故における傷害の重大性を予測するために,機械学習アルゴリズムの性能を評価する新しいデータセットを提案する。データセットは、英国運輸省から公開されているデータセットを集約することで作成される。
論文参考訳（メタデータ） (2022-05-20T21:15:26Z)
Data-driven prediction and control of extreme events in a chaotic flow [6.85316573653194]
流体力学では、極端な事象はシステムの最適設計と操作性に悪影響を及ぼす可能性がある。本稿では,カオス的なせん断流れにおける極端な事象の予測と制御のためのデータ駆動手法を提案する。
論文参考訳（メタデータ） (2022-04-25T14:19:57Z)
Model-assisted deep learning of rare extreme events from partial observations [0.0]
ディープニューラルネットワークを使って稀な極端な事象を予測するには、いわゆる小さなデータ問題に遭遇する。本稿では,数値シミュレーションからトレーニングデータを取得するモデル支援フレームワークについて検討する。長い短期記憶ネットワークはノイズに対して最も頑丈であり、比較的正確な予測が得られる。
論文参考訳（メタデータ） (2021-11-04T23:24:22Z)
Robust Event Classification Using Imperfect Real-world PMU Data [58.26737360525643]
本研究では,不完全な実世界のファサー計測単位(PMU)データを用いて,ロバストな事象分類について検討する。我々は、堅牢なイベント分類器を訓練するための新しい機械学習フレームワークを開発する。
論文参考訳（メタデータ） (2021-10-19T17:41:43Z)
Networked Time Series Prediction with Incomplete Data [59.45358694862176]
我々は、歴史と未来の両方で欠落した値を持つ不完全なデータでトレーニングできる新しいディープラーニングフレームワークであるNetS-ImpGANを提案する。 3つの実世界のデータセットに対して、異なるパターンと欠落率で広範な実験を行う。
論文参考訳（メタデータ） (2021-10-05T18:20:42Z)
Statistical model-based evaluation of neural networks [74.10854783437351]
ニューラルネットワーク(NN)の評価のための実験装置を開発する。このセットアップは、NNs vis-a-vis minimum-mean-square-error (MMSE)パフォーマンス境界のベンチマークに役立つ。これにより、トレーニングデータサイズ、データ次元、データ幾何学、ノイズ、トレーニング条件とテスト条件のミスマッチの影響をテストできます。
論文参考訳（メタデータ） (2020-11-18T00:33:24Z)
Event-Related Bias Removal for Real-time Disaster Events [67.2965372987723]
ソーシャルメディアは、自然災害や大量攻撃などの危機事象に関する情報を共有する重要なツールとなっている。有用な情報を含む実行可能なポストを検出するには、大量のデータをリアルタイムに高速に分析する必要がある。我々は、潜在事象固有のバイアスを除去し、ツイート重要度分類の性能を向上させるために、敵対的ニューラルモデルを訓練する。
論文参考訳（メタデータ） (2020-11-02T02:03:07Z)
GANplifying Event Samples [1.3375143521862154]
生成ネットワークがいかにトレーニング統計を増幅するかを示す。サンプルイベントの増幅係数または等価数を用いて、それらの影響を定量化する。本稿では,素粒子物理学における事象発生に応用した生成ネットワークについて述べる。
論文参考訳（メタデータ） (2020-08-14T19:00:21Z)
Logistic Regression for Massive Data with Rare Events [4.09920839425892]
本稿では,レアイベントデータ(不均衡データ)のバイナリロジスティック回帰について検討する。希少なイベントデータ中の利用可能な情報は、完全なデータサンプルサイズではなく、イベント数の大きさであることを示す。
論文参考訳（メタデータ） (2020-06-01T03:09:49Z)
A Multi-Channel Neural Graphical Event Model with Negative Evidence [76.51278722190607]
イベントデータセットは、タイムライン上で不規則に発生するさまざまなタイプのイベントのシーケンスである。基礎となる強度関数を推定するために,非パラメトリックディープニューラルネットワーク手法を提案する。
論文参考訳（メタデータ） (2020-02-21T23:10:50Z)

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。