論文の概要: fETSmcs: Feature-based ETS model component selection
- arxiv url: http://arxiv.org/abs/2206.12882v1
- Date: Sun, 26 Jun 2022 13:52:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-28 13:56:10.045796
- Title: fETSmcs: Feature-based ETS model component selection
- Title(参考訳): fETSmcs: 機能ベースのETSモデルコンポーネントの選択
- Authors: Lingzhi Qi and Xixi Li and Qiang Wang and Suling Jia
- Abstract要約: シミュレーションデータに基づく分類器の訓練によるETSモデル選択の効率的な手法を提案し, 与えられた時系列に対する適切なモデル成分の予測を行う。
提案手法は,広く使用されている予測競合データセットM4に対して,点予測と予測間隔の両面から評価する。
- 参考スコア(独自算出の注目度): 8.99236558175168
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The well-developed ETS (ExponenTial Smoothing or Error, Trend, Seasonality)
method incorporating a family of exponential smoothing models in state space
representation has been widely used for automatic forecasting. The existing ETS
method uses information criteria for model selection by choosing an optimal
model with the smallest information criterion among all models fitted to a
given time series. The ETS method under such a model selection scheme suffers
from computational complexity when applied to large-scale time series data. To
tackle this issue, we propose an efficient approach for ETS model selection by
training classifiers on simulated data to predict appropriate model component
forms for a given time series. We provide a simulation study to show the model
selection ability of the proposed approach on simulated data. We evaluate our
approach on the widely used forecasting competition data set M4, in terms of
both point forecasts and prediction intervals. To demonstrate the practical
value of our method, we showcase the performance improvements from our approach
on a monthly hospital data set.
- Abstract(参考訳): ETS(ExponenTial Smoothing or Error, Trend, Seasonality)法は, 状態空間表現に指数的滑らか化モデル群を組み込んだ手法として, 自動予測に広く用いられている。
既存のets法は、与えられた時系列に適合する全てのモデルの中で最小の情報基準を持つ最適モデルを選択することにより、モデル選択のための情報基準を用いる。
このようなモデル選択方式下でのETS法は,大規模時系列データに適用した場合,計算複雑性に悩まされる。
この問題に対処するために,シミュレーションデータに基づく分類器を訓練し,与えられた時系列に対する適切なモデルコンポーネントフォームを予測することで,ETSモデル選択のための効率的なアプローチを提案する。
本研究では,シミュレーションデータに対する提案手法のモデル選択能力を示すシミュレーション研究を行う。
提案手法は, 点予測と予測間隔の両面から, 広く使用されている予測競合データセットM4に対するアプローチを評価する。
本手法の実用的価値を示すため,毎月の病院データに対するアプローチによる性能改善について紹介する。
関連論文リスト
- On conditional diffusion models for PDE simulations [53.01911265639582]
スパース観測の予測と同化のためのスコアベース拡散モデルについて検討した。
本稿では,予測性能を大幅に向上させる自動回帰サンプリング手法を提案する。
また,条件付きスコアベースモデルに対する新たなトレーニング戦略を提案する。
論文 参考訳(メタデータ) (2024-10-21T18:31:04Z) - Revisiting SMoE Language Models by Evaluating Inefficiencies with Task Specific Expert Pruning [78.72226641279863]
SMOE(Sparse Mixture of Expert)モデルは、言語モデリングにおける高密度モデルに代わるスケーラブルな代替品として登場した。
本研究は,SMoEアーキテクチャの設計に関する意思決定を行うために,タスク固有のモデルプルーニングについて検討する。
適応型タスク対応プルーニング手法 UNCURL を導入し,MoE 層当たりの専門家数をオフラインで学習する手法を提案する。
論文 参考訳(メタデータ) (2024-09-02T22:35:03Z) - Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。
本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。
提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
論文 参考訳(メタデータ) (2024-04-11T09:23:36Z) - A Comprehensive Modeling Approach for Crop Yield Forecasts using
AI-based Methods and Crop Simulation Models [0.21094707683348418]
本稿では,データ駆動型ソリューション,作物シミュレーションモデル,モデルサロゲートを組み合わせた収量予測のための総合的アプローチを提案する。
データ駆動型モデリング手法は従来の手法よりも91%近い収率相関予測で優れていた。
論文 参考訳(メタデータ) (2023-06-16T18:13:24Z) - Dataless Knowledge Fusion by Merging Weights of Language Models [51.8162883997512]
微調整された事前学習言語モデルは、下流のNLPモデルを構築するための主要なパラダイムとなっている。
これは、より優れた単一モデルを生み出すために、個々のモデル間で知識を融合させる障壁を生み出します。
パラメータ空間のモデルをマージするデータレス知識融合法を提案する。
論文 参考訳(メタデータ) (2022-12-19T20:46:43Z) - Data-Driven Sample Average Approximation with Covariate Information [0.0]
我々は、コパラメトリックの同時観測とともに、最適化モデル内の不確実なパラメータの観測を行う際に、データ駆動意思決定のための最適化について検討する。
本稿では,機械学習予測モデルをプログラムサンプル平均近似(SAA)に組み込んだ3つのデータ駆動フレームワークについて検討する。
論文 参考訳(メタデータ) (2022-07-27T14:45:04Z) - A Statistical-Modelling Approach to Feedforward Neural Network Model Selection [0.8287206589886881]
フィードフォワードニューラルネットワーク(FNN)は非線形回帰モデルと見なすことができる。
FNNのためのベイズ情報基準(BIC)を用いて,新しいモデル選択法を提案する。
サンプル外性能よりもBICを選択することは、真のモデルを回復する確率を増大させる。
論文 参考訳(メタデータ) (2022-07-09T11:07:04Z) - Model-specific Data Subsampling with Influence Functions [37.64859614131316]
トレーニングポイントが様々な影響を持つ場合、ランダムサンプリングよりも優れたモデル固有データサブサンプリング戦略を開発する。
具体的には、影響関数を活用して、選択戦略をガイドし、理論的に証明し、我々のアプローチが素早く高品質なモデルを選択することを実証する。
論文 参考訳(メタデータ) (2020-10-20T12:10:28Z) - VAE-LIME: Deep Generative Model Based Approach for Local Data-Driven
Model Interpretability Applied to the Ironmaking Industry [70.10343492784465]
モデル予測だけでなく、その解釈可能性も、プロセスエンジニアに公開する必要があります。
LIMEに基づくモデルに依存しない局所的解釈可能性ソリューションが最近出現し、元の手法が改良された。
本稿では, 燃焼炉で生成する高温金属の温度を推定するデータ駆動型モデルの局所的解釈可能性に関する新しいアプローチ, VAE-LIMEを提案する。
論文 参考訳(メタデータ) (2020-07-15T07:07:07Z) - Control as Hybrid Inference [62.997667081978825]
本稿では、反復推論と償却推論のバランスを自然に仲介するCHIの実装について述べる。
連続的な制御ベンチマークでアルゴリズムのスケーラビリティを検証し、強力なモデルフリーおよびモデルベースラインを上回る性能を示す。
論文 参考訳(メタデータ) (2020-07-11T19:44:09Z) - Semi-nonparametric Latent Class Choice Model with a Flexible Class
Membership Component: A Mixture Model Approach [6.509758931804479]
提案したモデルは、従来のランダムユーティリティ仕様に代わるアプローチとして混合モデルを用いて潜在クラスを定式化する。
その結果,混合モデルにより潜在クラス選択モデル全体の性能が向上した。
論文 参考訳(メタデータ) (2020-07-06T13:19:26Z)
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。