Fugu-MT 論文翻訳(概要): Classification of Stochastic Processes with Topological Data Analysis

論文の概要: Classification of Stochastic Processes with Topological Data Analysis

arxiv url: http://arxiv.org/abs/2206.03973v1
Date: Wed, 8 Jun 2022 15:44:53 GMT
ステータス: 処理完了
システム内更新日: 2022-06-09 13:18:13.104609
Title: Classification of Stochastic Processes with Topological Data Analysis
Title（参考訳）: トポロジカルデータ解析による確率過程の分類
Authors: \.Ismail G\"uzel and Atabey Kaygun
Abstract要約: 本研究では,工学的トポロジカルな特徴が,異なるノイズ特性を持つ異なるプロセスからサンプリングされた時系列を識別できるかどうかを検討する。統計的特徴と生の特徴に基づいて構築された同じ分類課題の結果と比較した。
参考スコア（独自算出の注目度）: 3.42658286826597
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this study, we examine if engineered topological features can distinguish time series sampled from different stochastic processes with different noise characteristics, in both balanced and unbalanced sampling schemes. We compare our classification results against the results of the same classification tasks built on statistical and raw features. We conclude that in classification tasks of time series, different machine learning models built on engineered topological features perform consistently better than those built on standard statistical and raw features.
Abstract（参考訳）: 本研究では,工学的トポロジカルな特徴が,異なる雑音特性を持つ確率過程からサンプリングされた時系列を,バランスとバランスの取れないサンプリング方式で区別できるかどうかを検討する。統計的特徴と生の特徴に基づいて構築された同じ分類課題の結果と比較した。時系列の分類タスクにおいて、工学的トポロジカル特徴に基づく異なる機械学習モデルは、標準統計的特徴と生特徴に基づくものよりも一貫して優れた性能を発揮すると結論づけた。

関連論文リスト

Logistic-beta processes for dependent random probabilities with beta marginals [58.91121576998588]
本稿では,ロジスティック・ベータプロセスと呼ばれる新しいプロセスを提案する。空間や時間などの離散領域と連続領域の両方への依存をモデル化でき、相関カーネルを通じて柔軟な依存構造を持つ。本研究は,非パラメトリック二分回帰と条件密度推定の例による効果をシミュレーション研究と妊娠結果応用の両方で説明する。
論文参考訳（メタデータ） (2024-02-10T21:41:32Z)
Revisiting Long-tailed Image Classification: Survey and Benchmarks with New Evaluation Metrics [88.39382177059747]
メトリクスのコーパスは、長い尾の分布で学習するアルゴリズムの正確性、堅牢性、およびバウンダリを測定するために設計されている。ベンチマークに基づいて,CIFAR10およびCIFAR100データセット上での既存手法の性能を再評価する。
論文参考訳（メタデータ） (2023-02-03T02:40:54Z)
Statistical Comparisons of Classifiers by Generalized Stochastic Dominance [0.0]
いくつかの基準に関して、分類器を複数のデータセットで比較する方法については、まだ合意が得られていない。本稿では, 意思決定理論の最近の展開を取り入れた, 鮮明な議論に新たな視点を加える。我々のフレームワークは、支配という一般化された概念によって分類器をランク付けし、それは煩雑なものを強力に回避し、しばしば自己矛盾的であり、集約に依存していることを示している。
論文参考訳（メタデータ） (2022-09-05T09:28:15Z)
Markov Chain Monte Carlo for Continuous-Time Switching Dynamical Systems [26.744964200606784]
マルコフ連鎖モンテカルロ法による新しい推論アルゴリズムを提案する。提示されたギブスサンプルは、正確な連続時間後処理から試料を効率的に得ることができる。
論文参考訳（メタデータ） (2022-05-18T09:03:00Z)
Selecting the suitable resampling strategy for imbalanced data classification regarding dataset properties [62.997667081978825]
医学、情報検索、サイバーセキュリティ、ソーシャルメディアなどの多くのアプリケーションドメインでは、分類モデルの導入に使用されるデータセットは、各クラスのインスタンスの不平等な分布を持つことが多い。この状況は不均衡データ分類と呼ばれ、少数民族の例では予測性能が低い。オーバーサンプリングとアンダーサンプリングの技術は、各クラスの例の数とバランスをとることでこの問題に対処する、よく知られた戦略である。
論文参考訳（メタデータ） (2021-12-15T18:56:39Z)
Cluster-and-Conquer: A Framework For Time-Series Forecasting [94.63501563413725]
本稿では,高次元時系列データを予測するための3段階フレームワークを提案する。当社のフレームワークは非常に汎用的で,各ステップで時系列予測やクラスタリングが利用可能です。単純な線形自己回帰モデルでインスタンス化されると、いくつかのベンチマークデータセットで最先端の結果が得られる。
論文参考訳（メタデータ） (2021-10-26T20:41:19Z)
Chaos as an interpretable benchmark for forecasting and data-driven modelling [7.6146285961466]
カオスシステムは、現代の統計的学習技術に固有の課題を生んでいる。本稿では,天体物理学,気候学,生化学などの分野にまたがるカオス力学系131のデータベースについて述べる。
論文参考訳（メタデータ） (2021-10-11T13:39:41Z)
When in Doubt: Improving Classification Performance with Alternating Normalization [57.39356691967766]
分類のための非パラメトリック後処理ステップである交互正規化(CAN)を用いた分類を導入する。 CANは、予測されたクラス確率分布を再調整することで、挑戦的な例の分類精度を向上させる。多様な分類課題にまたがってその効果を実証的に示す。
論文参考訳（メタデータ） (2021-09-28T02:55:42Z)
A hybrid model-based and learning-based approach for classification using limited number of training samples [13.60714541247498]
本稿では,物理に基づく統計モデルと学習に基づく分類器の両方を利用するハイブリッド分類手法であるHyPhyLearnを提案する。提案手法は、HyPhyLearnが学習ベースおよび統計モデルに基づく分類器の個人的アプローチに関連する課題を軽減するという予想に基づいている。
論文参考訳（メタデータ） (2021-06-25T05:19:50Z)
Theoretical Insights Into Multiclass Classification: A High-dimensional Asymptotic View [82.80085730891126]
線形多クラス分類の最初の現代的精度解析を行う。分析の結果,分類精度は分布に依存していることがわかった。得られた洞察は、他の分類アルゴリズムの正確な理解の道を開くかもしれない。
論文参考訳（メタデータ） (2020-11-16T05:17:29Z)
Neural Networks as Functional Classifiers [0.0]
我々は、分類問題のために、注目すべき深層学習手法を機能データ領域に拡張する。本手法の有効性を,分光データの分類などの多くの分類応用において強調する。
論文参考訳（メタデータ） (2020-10-09T00:11:01Z)

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。