論文の概要: Learning Sinkhorn divergences for supervised change point detection

• arxiv url: http://arxiv.org/abs/2202.04000v2
• Date: Wed, 9 Feb 2022 04:25:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-10 12:42:16.968763
• Title: Learning Sinkhorn divergences for supervised change point detection
• Title（参考訳）: 教師付き変化点検出のためのシンクホーンダイバージェンス学習
• Authors: Nauman Ahad, Eva L. Dyer, Keith B. Hengen, Yao Xie, Mark A. Davenport
• Abstract要約: そこで本研究では,実測値学習の監督として,真の変化点インスタンスを用いた新しい変化点検出フレームワークを提案する。 提案手法は,特徴選択と解釈の両方に有用であるスパース計量の学習に利用できる。
• 参考スコア（独自算出の注目度）: 24.30834981766022
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many modern applications require detecting change points in complex sequential data. Most existing methods for change point detection are unsupervised and, as a consequence, lack any information regarding what kind of changes we want to detect or if some kinds of changes are safe to ignore. This often results in poor change detection performance. We present a novel change point detection framework that uses true change point instances as supervision for learning a ground metric such that Sinkhorn divergences can be then used in two-sample tests on sliding windows to detect change points in an online manner. Our method can be used to learn a sparse metric which can be useful for both feature selection and interpretation in high-dimensional change point detection settings. Experiments on simulated as well as real world sequences show that our proposed method can substantially improve change point detection performance over existing unsupervised change point detection methods using only few labeled change point instances.
• Abstract（参考訳）: 現代の多くのアプリケーションは、複雑なシーケンシャルデータの変化点を検出する必要がある。 変更点検出のための既存のほとんどのメソッドは教師なしであり、結果として、どのような変更を検出したいか、あるいは何らかの変更が無視されるかどうかに関する情報がない。 これにより、しばしば変更検出性能が低下する。 そこで本研究では,スライディングウインドウにおける2つのサンプルテストにおいて,シンクホーンダイバージェンスを用いてオンライン的に変化点を検出できるように,基底距離の学習にtrue change pointインスタンスを用いた新しい変化点検出フレームワークを提案する。 本手法は,高次元変化点検出設定における特徴選択と解釈の両方に有用なスパースメトリックの学習に使用できる。 その結果,提案手法はラベル付き変更点インスタンス数が少ないだけで,既存の教師なし変更点検出手法よりも大幅に変更点検出性能を向上させることができることがわかった。

関連論文リスト

• Enhancing Changepoint Detection: Penalty Learning through Deep Learning Techniques [2.094821665776961]
  本研究では,ペナルティパラメータを予測するための新しいディープラーニング手法を提案する。 これにより、大規模なベンチマーク管理されたラベル付きデータセットにおいて、明らかに変更点検出精度が向上する。
  論文  参考訳（メタデータ） (2024-08-01T18:10:05Z)
• 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)
• Online Change Points Detection for Linear Dynamical Systems with Finite Sample Guarantees [1.6026317505839445]
  本研究では,未知の力学を持つ線形力学系に対するオンライン変化点検出問題について検討する。 我々は,誤報を発生させる確率に基づいて,予め指定された上限を達成できるデータ依存しきい値を開発する。
  論文  参考訳（メタデータ） (2023-11-30T18:08:16Z)
• MS-Former: Memory-Supported Transformer for Weakly Supervised Change Detection with Patch-Level Annotations [50.79913333804232]
  弱い教師付き変化検出のためのメモリ支援トランス (MS-Former) を提案する。 MS-Former は双方向注意ブロック (BAB) とパッチレベルの監視スキーム (PSS) から構成される。 3つのベンチマークデータセットの実験結果から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-11-16T09:57:29Z)
• Learning Transformations To Reduce the Geometric Shift in Object Detection [60.20931827772482]
  画像キャプチャプロセスの変動から生じる幾何シフトに対処する。 我々は、これらのシフトを最小限に抑えるために幾何変換の集合を学習する自己学習アプローチを導入する。 我々は,カメラの視野変化(FoV)と視点変化(視点変化)の2つの異なるシフトについて,本手法の評価を行った。
  論文  参考訳（メタデータ） (2023-01-13T11:55:30Z)
• 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)
• E-detectors: a nonparametric framework for sequential change detection [86.15115654324488]
  逐次的変化検出のための基本的かつ汎用的なフレームワークを開発する。 私たちの手順は、平均走行距離のクリーンで無症状な境界が伴います。 統計的および計算効率の両方を達成するために,これらの混合物を設計する方法を示す。
  論文  参考訳（メタデータ） (2022-03-07T17:25:02Z)
• Bandit Quickest Changepoint Detection [55.855465482260165]
  すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。 有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。 本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
  論文  参考訳（メタデータ） (2021-07-22T07:25:35Z)
• Sequential Changepoint Detection in Neural Networks with Checkpoints [11.763229353978321]
  本稿では,オンライン変化点検出と同時モデル学習のためのフレームワークを提案する。 次々に一般化された確率比テストを行うことにより、経時的に変化点を検出する。 オンラインベイズ変化点検出と比較して性能が向上した。
  論文  参考訳（メタデータ） (2020-10-06T21:49:54Z)
• Online Neural Networks for Change-Point Detection [0.6015898117103069]
  ニューラルネットワークに基づく2つのオンライン変更点検出手法を提案する。 様々な合成および実世界のデータセット上で最もよく知られたアルゴリズムと比較する。
  論文  参考訳（メタデータ） (2020-10-03T16:55:59Z)
• 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。

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。