Fugu-MT 論文翻訳(概要): A Contrastive Approach to Online Change Point Detection

論文の概要: A Contrastive Approach to Online Change Point Detection

arxiv url: http://arxiv.org/abs/2206.10143v3
Date: Mon, 6 Nov 2023 12:11:28 GMT
ステータス: 処理完了
システム内更新日: 2023-11-08 01:56:05.269154
Title: A Contrastive Approach to Online Change Point Detection
Title（参考訳）: オンライン変化点検出に対する対比的アプローチ
Authors: Artur Goldman, Nikita Puchkin, Valeriia Shcherbakova, and Uliana Vinogradova
Abstract要約: オンライン変更点検出のための新しい手順を提案する。提案手法は,変化前分布と変化後分布との差分尺度を最大化するものである。術式の平均走行距離と検出遅延に対する非漸近的境界を証明した。
参考スコア（独自算出の注目度）: 4.762323642506733
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We suggest a novel procedure for online change point detection. Our approach expands an idea of maximizing a discrepancy measure between points from pre-change and post-change distributions. This leads to a flexible procedure suitable for both parametric and nonparametric scenarios. We prove non-asymptotic bounds on the average running length of the procedure and its expected detection delay. The efficiency of the algorithm is illustrated with numerical experiments on synthetic and real-world data sets.
Abstract（参考訳）: オンライン変化点検出のための新しい手法を提案する。提案手法は,変化前分布と変化後分布との差分尺度を最大化するものである。これはパラメトリックシナリオと非パラメトリックシナリオの両方に適した柔軟な手順につながる。術式の平均走行距離と検出遅延に対する非漸近的境界を証明した。アルゴリズムの効率性は、合成および実世界のデータセットに関する数値実験で示される。

関連論文リスト

Conjugate Bayesian Two-step Change Point Detection for Hawkes Process [3.819329978428786]
本稿では,ホークス過程に対する共役ベイズ変換点検出法を提案する。合成データと実データの両方で実験を行い,本手法の有効性と効率性を示した。
論文参考訳（メタデータ） (2024-09-26T07:16:38Z)
Verification of Geometric Robustness of Neural Networks via Piecewise Linear Approximation and Lipschitz Optimisation [57.10353686244835]
我々は、回転、スケーリング、せん断、翻訳を含む入力画像の幾何学的変換に対するニューラルネットワークの検証の問題に対処する。提案手法は, 分枝・分枝リプシッツと組み合わせたサンプリングおよび線形近似を用いて, 画素値に対する楽音線形制約を求める。提案手法では,既存の手法よりも最大32%の検証ケースが解決されている。
論文参考訳（メタデータ） (2024-08-23T15:02:09Z)
Continuous Optimization for Offline Change Point Detection and Estimation [0.0]
これは、通常の平均多重変化点モデルを、空間性を強制する正規化統計逆問題に再構成する。最近開発されたベストサブセット選択のための連続最適化フレームワーク(COMBSS)は、近日中に導入され、その問題に関連している。監督・監督されていない視点は、正規化ペナルティパラメータの選択のための異なるアプローチをテストすることで探索される。
論文参考訳（メタデータ） (2024-07-03T01:19:59Z)
SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid Registration [76.40993825836222]
本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
論文参考訳（メタデータ） (2024-05-30T15:55:04Z)
Nonparametric Automatic Differentiation Variational Inference with Spline Approximation [7.5620760132717795]
複雑な構造を持つ分布に対するフレキシブルな後続近似を可能にする非パラメトリック近似法を開発した。広く使われている非パラメトリック推論手法と比較して,提案手法は実装が容易であり,様々なデータ構造に適応する。実験では, 複雑な後続分布の近似における提案手法の有効性を実証し, 不完全データを用いた生成モデルの性能向上を図った。
論文参考訳（メタデータ） (2024-03-10T20:22:06Z)
Moreau Envelope ADMM for Decentralized Weakly Convex Optimization [55.2289666758254]
本稿では,分散最適化のための乗算器の交互方向法(ADMM)の近位変種を提案する。数値実験の結果,本手法は広く用いられている手法よりも高速かつ堅牢であることが示された。
論文参考訳（メタデータ） (2023-08-31T14:16:30Z)
Low-rank extended Kalman filtering for online learning of neural networks from streaming data [71.97861600347959]
非定常データストリームから非線形関数のパラメータを推定するための効率的なオンライン近似ベイズ推定アルゴリズムを提案する。この方法は拡張カルマンフィルタ (EKF) に基づいているが、新しい低ランク+斜角行列分解法を用いている。変分推論に基づく手法とは対照的に,本手法は完全に決定論的であり,ステップサイズチューニングを必要としない。
論文参考訳（メタデータ） (2023-05-31T03:48:49Z)
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)
Fast and Robust Online Inference with Stochastic Gradient Descent via Random Scaling [0.9806910643086042]
本稿では,勾配降下アルゴリズムの平均化法により推定されるパラメータのベクトルに対するオンライン推論法を提案する。我々のアプローチはオンラインデータで完全に運用されており、機能中心極限定理によって厳格に支えられている。
論文参考訳（メタデータ） (2021-06-06T15:38:37Z)
Optimal Change-Point Detection with Training Sequences in the Large and Moderate Deviations Regimes [72.68201611113673]
本稿では,情報理論の観点から,新しいオフライン変化点検出問題について検討する。基礎となる事前および変更後分布の知識は分かっておらず、利用可能なトレーニングシーケンスからのみ学習できると仮定する。
論文参考訳（メタデータ） (2020-03-13T23:39:40Z)
High-dimensional, multiscale online changepoint detection [7.502070498889449]
ガウス的データストリームが平均的に変更されるような設定において,高次元のオンライン変更点検出のための新しい手法を提案する。このアルゴリズムは、新しい観測におけるストレージ要件と最悪の計算複雑性の両方が、以前の観測数とは無関係であるという意味で、オンラインである。 Rパッケージ 'ocd' に実装した提案手法の有効性をシミュレーションにより検証し,その有効性を地震学データセット上で実証する。
論文参考訳（メタデータ） (2020-03-07T21:54:09Z)

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。