Fugu-MT 論文翻訳(概要): Cyclocopula Technique to Study the Relationship Between Two Cyclostationary Time Series with Fractional Brownian Motion Errors

論文の概要: Cyclocopula Technique to Study the Relationship Between Two Cyclostationary Time Series with Fractional Brownian Motion Errors

arxiv url: http://arxiv.org/abs/2206.07976v1
Date: Thu, 16 Jun 2022 07:34:14 GMT
ステータス: 処理完了
システム内更新日: 2022-06-18 09:38:44.195090
Title: Cyclocopula Technique to Study the Relationship Between Two Cyclostationary Time Series with Fractional Brownian Motion Errors
Title（参考訳）: フラクショナルブラウン運動誤差と2つの周期的時系列の関係を研究するシクロコプラ法
Authors: Mohammadreza Mahmoudi, Amir Mosavi
Abstract要約: 2つの周期的時系列と分数的ブラウン運動(fBm)誤差の関係を検出するためのコプラに基づく新しい手法が導入された。数値実験により,提案手法の有効性が検証された。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Detection of the relationship between two time series is so important in environmental and hydrological studies. Several parametric and non-parametric approaches can be applied to detect relationships. These techniques are usually sensitive to stationarity assumptions. In this research, a new copula-based method is introduced to detect the relationship between two cylostationary time series with fractional Brownian motion (fBm) errors. The numerical studies verify the performance of the introduced approach.
Abstract（参考訳）: 2つの時系列間の関係の検出は、環境および水文学研究において非常に重要である。いくつかのパラメトリックおよび非パラメトリックアプローチは関係を検出するために適用できる。これらの手法は通常定常性仮定に敏感である。本研究では, 2つの周期時系列と分数ブラウン運動(fbm)誤差の関係を検出するために,copulaに基づく新しい手法を提案する。数値解析により,提案手法の有効性が検証された。

関連論文リスト

Semiparametric inference for impulse response functions using double/debiased machine learning [49.1574468325115]
本稿では,インパルス応答関数(IRF)に対する機械学習推定手法を提案する。提案した推定器は、処理と結果変数の完全な非パラメトリック関係に依存することができ、柔軟な機械学習アプローチを用いてIRFを推定することができる。
論文参考訳（メタデータ） (2024-11-15T07:42:02Z)
Causal Discovery-Driven Change Point Detection in Time Series [32.424281626708336]
時系列における変化点検出は、時系列の確率分布が変化する時間を特定する。実践的な応用では、時系列の特定の構成要素にのみ興味を持ち、その分布の急激な変化を探求する。
論文参考訳（メタデータ） (2024-07-10T00:54:42Z)
Qubit Dynamics beyond Lindblad: Non-Markovianity versus Rotating Wave Approximation [0.0]
量子ビットと環境自由度の間の相互作用における微妙な効果は、徐々に関連性を持ち、実験的に見えるようになる。これは特に、量子ビット演算において最もよく用いられる数値シミュレーションプラットフォームの基礎となる時間スケールの分離に適用される。 i)これらの時間スケール分離の違反を実験的に監視できる範囲と、(ii)どれが最も深刻で高精度な予測を行うことができるかという質問に光を当てた。
論文参考訳（メタデータ） (2023-08-11T09:16:07Z)
Causal discovery for time series with constraint-based model and PMIME measure [0.0]
本稿では,因果探索アルゴリズムと情報理論に基づく測度を組み合わせた時系列データにおける因果関係の発見手法を提案する。提案手法を複数のシミュレーションデータセット上で評価し,有望な結果を示す。
論文参考訳（メタデータ） (2023-05-31T09:38:50Z)
Robust Detection of Lead-Lag Relationships in Lagged Multi-Factor Models [61.10851158749843]
データ固有のリード-ラグ関係を発見することで、重要な洞察を得ることができる。階層化多要素モデルにおけるリードラグ関係のロバスト検出のためのクラスタリング駆動手法を開発した。
論文参考訳（メタデータ） (2023-05-11T10:30:35Z)
Robust affine point matching via quadratic assignment on Grassmannians [50.366876079978056]
Robust Affine Matching with Grassmannians (RoAM) は点雲のアフィン登録を行うアルゴリズムである。このアルゴリズムは、グラスマンの2つの要素間のフロベニウス距離を最小化することに基づいている。
論文参考訳（メタデータ） (2023-03-05T15:27:24Z)
Predicting the State of Synchronization of Financial Time Series using Cross Recurrence Plots [75.20174445166997]
本研究では,2つの金融時系列の動的同期の将来の状態を予測する新しい手法を提案する。我々は,同期状態の予測を方法論的に扱うためのディープラーニングフレームワークを採用する。 2つの時系列の同期状態を予測するタスクは、一般的には難しいが、ある種の在庫は、非常に良好な性能で達成できる。
論文参考訳（メタデータ） (2022-10-26T10:22:28Z)
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)
Path Signature Area-Based Causal Discovery in Coupled Time Series [0.0]
本稿では,2変数間の符号付き領域の大きさの意義を解析するために,信頼度系列の応用を提案する。このアプローチは、2つの時系列の間に存在する因果関係の信頼性を定義する新しい方法を提供する。
論文参考訳（メタデータ） (2021-10-23T19:57:22Z)
Measuring Time-Dependent Induced Quantum Coherences via Two-Dimensional Coherence Spectroscopy [0.0]
システムの定常状態間の時間依存コヒーレンスを測定するための2次元分光プロトコルを提案する。また,コヒーレンス認知における時間的相関ノイズの役割についても検討した。
論文参考訳（メタデータ） (2021-04-07T10:39:48Z)
Discovering Nonlinear Relations with Minimum Predictive Information Regularization [67.7764810514585]
本稿では,時系列から方向関係を推定する最小限の情報正規化手法を提案する。本手法は, 合成データセットの非線形関係を学習するための他の手法よりも優れている。
論文参考訳（メタデータ） (2020-01-07T04:28:00Z)

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。