論文の概要: Exact Statistical Inference for Time Series Similarity using Dynamic Time Warping by Selective Inference

• arxiv url: http://arxiv.org/abs/2202.06593v1
• Date: Mon, 14 Feb 2022 10:28:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-15 15:48:09.063516
• Title: Exact Statistical Inference for Time Series Similarity using Dynamic Time Warping by Selective Inference
• Title（参考訳）: 動的時間ワープを用いた選択推論による時系列類似性の正確な統計的推測
• Authors: Vo Nguyen Le Duy, Ichiro Takeuchi
• Abstract要約: 本研究では,不確実な環境下での2つの時系列間の類似性と距離に関する統計的推測について検討した。 我々は,DTW距離の正確な(漸近的でない)推論法を導出できる条件付きサンプリング分布を用いる。
• 参考スコア（独自算出の注目度）: 25.02674598600182
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we study statistical inference on the similarity/distance between two time-series under uncertain environment by considering a statistical hypothesis test on the distance obtained from Dynamic Time Warping (DTW) algorithm. The sampling distribution of the DTW distance is too complicated to derive because it is obtained based on the solution of a complicated algorithm. To circumvent this difficulty, we propose to employ a conditional sampling distribution for the inference, which enables us to derive an exact (non-asymptotic) inference method on the DTW distance. Besides, we also develop a novel computational method to compute the conditional sampling distribution. To our knowledge, this is the first method that can provide valid $p$-value to quantify the statistical significance of the DTW distance, which is helpful for high-stake decision making. We evaluate the performance of the proposed inference method on both synthetic and real-world datasets.
• Abstract（参考訳）: 本稿では,dtw(dynamic time warping)アルゴリズムから得られた距離に関する統計的仮説テストを考慮して,不確定な環境下での2つの時系列間の類似度・距離に関する統計的推測について検討する。 dtw距離のサンプリング分布は、複雑なアルゴリズムの解に基づいて得られるため、あまりにも複雑すぎて導出できない。 この困難を回避するため,DTW距離の正確な(漸近的でない)推論法を導出する条件付きサンプリング分布を推論に適用することを提案する。 また,条件付きサンプリング分布を計算するための新しい計算手法を開発した。 我々の知る限り、これはDTW距離の統計的意義を定量化するために有効な$p$-valueを提供する最初の方法であり、これは高い意思決定に役立つ。 提案手法の有効性を,合成データと実世界のデータの両方で評価する。

関連論文リスト

• Unsupervised Distance Metric Learning for Anomaly Detection Over Multivariate Time Series [0.0]
  時系列上の異常検出のための教師なし距離メトリック学習法であるFCM-wDTWを提案する。 FCM-wDTWは生データを潜在空間にエンコードし、クラスタセンターを通して通常の次元関係を明らかにする。 11種類のベンチマークによる実験は、我々の手法の競合精度と効率を実証している。
  論文  参考訳（メタデータ） (2024-03-04T09:55:16Z)
• Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values [67.76168547245237]
  本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。 実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
  論文  参考訳（メタデータ） (2024-01-11T10:10:16Z)
• Deep Declarative Dynamic Time Warping for End-to-End Learning of Alignment Paths [54.53208538517505]
  本稿では、動的時間ワープ(DTW)による時間的アライメントステップを含む時系列データのエンドツーエンド学習モデルについて述べる。 そこで我々は,2レベル最適化とDecDTWと呼ばれる深層宣言ネットワークに基づくDTW層を提案する。 この特性は、下流損失関数が最適アライメントパス自身で定義されるアプリケーションに特に有用であることを示す。
  論文  参考訳（メタデータ） (2023-03-19T21:58:37Z)
• Approximating DTW with a convolutional neural network on EEG data [9.409281517596396]
  動的時間ラッピング(DTW)の高速かつ微分可能な近似法を提案する。 提案手法は,計算効率が向上した他のDTW主近似と同等以上の精度が得られることを示す。
  論文  参考訳（メタデータ） (2023-01-30T13:27:47Z)
• Continuous-Time Modeling of Counterfactual Outcomes Using Neural Controlled Differential Equations [84.42837346400151]
  反現実的な結果を予測することは、パーソナライズされたヘルスケアをアンロックする可能性がある。 既存の因果推論アプローチでは、観察と治療決定の間の通常の離散時間間隔が考慮されている。 そこで本研究では,腫瘍増殖モデルに基づく制御可能なシミュレーション環境を提案する。
  論文  参考訳（メタデータ） (2022-06-16T17:15:15Z)
• Robust Time Series Dissimilarity Measure for Outlier Detection and Periodicity Detection [16.223509730658513]
  本稿では,ノイズや外れ値の影響を低減するため,RobostDTWという新しい時系列差分尺度を提案する。 具体的には、ロバストDTWは、設計した時間グラフトレンドフィルタリングを利用して、トレンドを推定し、時間ワープを交互に最適化する。 実世界のデータセットを用いた実験では、外乱時系列検出と周期性検出の両方において、DTWの変種と比較してロバストDTWの優れた性能を示す。
  論文  参考訳（メタデータ） (2022-06-07T00:49:16Z)
• Averaging Spatio-temporal Signals using Optimal Transport and Soft Alignments [110.79706180350507]
  Fr'teche は双対性を意味し, 時間的バレシェセンタを定義するために提案した損失が有効であることを示す。 手書き文字と脳画像データによる実験は、我々の理論的発見を裏付けるものである。
  論文  参考訳（メタデータ） (2022-03-11T09:46:22Z)
• Exact Statistical Inference for the Wasserstein Distance by Selective Inference [20.309302270008146]
  条件選択推論(SI)の概念に着想を得たワッサーシュタイン距離の正確な(漸近的でない)推論法を提案する。 我々の知る限り、これは有限サンプルカバレッジを保証するワッサーシュタイン距離に対して有効な信頼区間(CI)を提供する最初の方法である。 提案手法の有効性を,合成データセットと実世界のデータセットの両方で評価する。
  論文  参考訳（メタデータ） (2021-09-29T06:16:50Z)
• Uncertainty-Aware Signal Temporal logic [21.626420725274208]
  既存の時間論理推論手法は、データの不確かさをほとんど無視する。 本稿では,不確実性を考慮した信号時間論理(STL)推論手法を提案する。
  論文  参考訳（メタデータ） (2021-05-24T21:26:57Z)
• Doubly Robust Off-Policy Actor-Critic: Convergence and Optimality [131.45028999325797]
  ディスカウント型MDPのための2倍堅牢なオフポリチックAC(DR-Off-PAC)を開発した。 DR-Off-PACは、俳優と批評家の両方が一定のステップで同時に更新される単一のタイムスケール構造を採用しています。 有限時間収束速度を研究し, dr-off-pac のサンプル複雑性を特徴とし, $epsilon$-accurate optimal policy を得る。
  論文  参考訳（メタデータ） (2021-02-23T18:56:13Z)
• A Constraint-Based Algorithm for the Structural Learning of Continuous-Time Bayesian Networks [70.88503833248159]
  連続時間ベイズネットワークの構造を学習するための制約に基づく最初のアルゴリズムを提案する。 我々は,条件付き独立性を確立するために提案した,異なる統計的テストと基礎となる仮説について論じる。
  論文  参考訳（メタデータ） (2020-07-07T07:34:09Z)

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。