論文の概要: Adaptive Resources Allocation CUSUM for Binomial Count Data Monitoring
with Application to COVID-19 Hotspot Detection
- arxiv url: http://arxiv.org/abs/2208.05045v1
- Date: Tue, 9 Aug 2022 21:26:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-11 13:22:39.353142
- Title: Adaptive Resources Allocation CUSUM for Binomial Count Data Monitoring
with Application to COVID-19 Hotspot Detection
- Title（参考訳）: バイナリカウントデータモニタリングのための適応リソース割り当てCUSUMとCOVID-19ホットスポット検出への応用
- Authors: Jiuyun Hu, Yajun Mei, Sarah Holte, Hao Yan
- Abstract要約: サンプリング資源が限られているホットスポットを頑健かつ効率的に検出する効率的な統計手法を提案する。
本研究の主な目的は、マルチアーム・バンディット(MAB)と変更点検出法を組み合わせることである。
本手法はワシントン州ハワイ州における郡レベルでの1日当たりの新型コロナウイルス感染者の実態調査においてホットスポット検出に応用された。
- 参考スコア（独自算出の注目度）: 11.954681424276528
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we present an efficient statistical method (denoted as
"Adaptive Resources Allocation CUSUM") to robustly and efficiently detect the
hotspot with limited sampling resources. Our main idea is to combine the
multi-arm bandit (MAB) and change-point detection methods to balance the
exploration and exploitation of resource allocation for hotspot detection.
Further, a Bayesian weighted update is used to update the posterior
distribution of the infection rate. Then, the upper confidence bound (UCB) is
used for resource allocation and planning. Finally, CUSUM monitoring statistics
to detect the change point as well as the change location. For performance
evaluation, we compare the performance of the proposed method with several
benchmark methods in the literature and showed the proposed algorithm is able
to achieve a lower detection delay and higher detection precision. Finally,
this method is applied to hotspot detection in a real case study of
county-level daily positive COVID-19 cases in Washington State WA) and
demonstrates the effectiveness with very limited distributed samples.
- Abstract（参考訳）: 本稿では,限られたサンプリング資源でホットスポットを頑健かつ効率的に検出する,効率的な統計手法(適応資源割当CUSUM)を提案する。
本研究の目的は,マルチアームバンディット(MAB)と変更点検出法を組み合わせて,ホットスポット検出のための資源割り当ての探索と活用のバランスをとることである。
さらに、感染率の後方分布を更新するために、ベイズ重み付き更新を用いる。
次に、リソース割り当てと計画に上位信頼境界(UCB)を用いる。
最後に、CUSUMモニタリング統計により、変更点と変更位置を検出する。
性能評価のために,提案手法といくつかのベンチマーク手法を比較し,提案手法が検出遅延の低減と検出精度の向上を実現可能であることを示した。
最後に,ワシントン州における郡レベルの1日当たり陽性感染者の実態調査においてホットスポット検出に適用し,極めて限定的な分散サンプルによる有効性を示した。
関連論文リスト
- Reproduction of scan B-statistic for kernel change-point detection algorithm [10.49860279555873]
変化点検出は、幅広い応用のために大きな注目を集めている。
本稿では,カーネルベースの効率的なスキャンB統計に基づくオンライン変更点検出アルゴリズムを最近提案した。
数値実験により, 走査型B統計が常に優れた性能を発揮することが示された。
論文 参考訳（メタデータ） (2024-08-23T15:12:31Z) - Source-Free Domain-Invariant Performance Prediction [68.39031800809553]
本研究では,不確実性に基づく推定を主軸としたソースフリー手法を提案する。
オブジェクト認識データセットのベンチマーク実験により、既存のソースベースの手法は、限られたソースサンプルの可用性で不足していることが判明した。
提案手法は,現在の最先端のソースフリーおよびソースベース手法よりも優れており,ドメイン不変性能推定の有効性が確認されている。
論文 参考訳（メタデータ） (2024-08-05T03:18:58Z) - Partially-Observable Sequential Change-Point Detection for Autocorrelated Data via Upper Confidence Region [12.645304808491309]
逐次変化点検出のための状態空間モデル(AUCRSS)を用いたアダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・
SSMのオンライン推論のために部分的に観測可能なカルマンフィルタアルゴリズムを開発し、一般化された確率比テストに基づく変化点検出スキームを解析する。
論文 参考訳（メタデータ） (2024-03-30T02:32:53Z) - Less is More: Fewer Interpretable Region via Submodular Subset Selection [54.07758302264416]
本稿では,上述の画像帰属問題を部分モジュラ部分選択問題として再モデル化する。
我々は、より正確な小さな解釈領域を発見するために、新しい部分モジュラー関数を構築する。
正しく予測されたサンプルに対しては,HSIC-Attributionに対する平均4.9%と2.5%の利得で,Deletion and Insertionスコアを改善した。
論文 参考訳（メタデータ） (2024-02-14T13:30:02Z) - Sequential Attention Source Identification Based on Feature
Representation [88.05527934953311]
本稿では,テンポラルシーケンスに基づくグラフ注意源同定(TGASI)と呼ばれるシーケンス・ツー・シーケンス・ベースのローカライズ・フレームワークを提案する。
なお、このインダクティブラーニングのアイデアは、TGASIが他の事前の知識を知らずに新しいシナリオのソースを検出できることを保証する。
論文 参考訳（メタデータ） (2023-06-28T03:00:28Z) - Fake It Till You Make It: Near-Distribution Novelty Detection by
Score-Based Generative Models [54.182955830194445]
既存のモデルは、いわゆる"近く分布"設定で失敗するか、劇的な低下に直面します。
本稿では, スコアに基づく生成モデルを用いて, 合成近分布異常データを生成することを提案する。
本手法は,9つのノベルティ検出ベンチマークにおいて,近分布ノベルティ検出を6%改善し,最先端のノベルティ検出を1%から5%パスする。
論文 参考訳（メタデータ） (2022-05-28T02:02:53Z) - An Efficient Anomaly Detection Approach using Cube Sampling with
Streaming Data [2.0515785954568626]
異常検出は侵入検知、健康モニタリング、故障診断、センサネットワークイベント検出など様々な分野で重要である。
孤立林(アイフォレスト)アプローチは、異常を検出するためのよく知られた手法である。
本稿では,ストリーミングデータに有効なキューブサンプリングを用いた,効率的なiForestに基づく異常検出手法を提案する。
論文 参考訳（メタデータ） (2021-10-05T04:23:00Z) - Sparse Feature Selection Makes Batch Reinforcement Learning More Sample
Efficient [62.24615324523435]
本稿では,スパース線形関数近似を用いた高次元バッチ強化学習(RL)の統計的解析を行う。
候補となる機能が多数存在する場合,提案手法がバッチRLをより効率的にサンプリングできるという事実に光を当てる。
論文 参考訳（メタデータ） (2020-11-08T16:48:02Z) - Optimal Off-Policy Evaluation from Multiple Logging Policies [77.62012545592233]
我々は,複数のロギングポリシからオフ政治評価を行い,それぞれが一定のサイズ,すなわち階層化サンプリングのデータセットを生成する。
複数ロガーのOPE推定器は,任意のインスタンス,すなわち効率のよいインスタンスに対して最小分散である。
論文 参考訳（メタデータ） (2020-10-21T13:43:48Z) - Bandit Change-Point Detection for Real-Time Monitoring High-Dimensional
Data Under Sampling Control [13.249453757295083]
本稿では,マルチアームバンディット手法を逐次変化点検出に適用し,効率的なバンディット変化点検出アルゴリズムを提案する。
適応サンプリング法はトンプソンサンプリング法を即時報酬獲得のための探索と搾取のバランスに応用し,統計的決定法は局所シリャーエフ・ロバーツ・ポラック統計を融合させ,総和縮小法によりグローバルアラームを上昇させるか否かを決定する。
論文 参考訳（メタデータ） (2020-09-24T18:30:55Z) - Partially Observable Online Change Detection via Smooth-Sparse
Decomposition [16.8028358824706]
本研究は,センサ容量の制限により,各センシング時点におけるデータストリームのサブセットのみを観測できる,疎度な変化を伴う高次元データストリームのオンライン変化検出について考察する。
一方、検出方式は、部分的に観測可能なデータを扱うことができ、一方、スパース変化に対する効率的な検出能力を有するべきである。
本稿では,CDSSDと呼ばれる新しい検出手法を提案する。特にスムーズな分解によるスムーズな変化を伴う高次元データの構造について述べる。
論文 参考訳（メタデータ） (2020-09-22T16:03:04Z)
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。