Fugu-MT 論文翻訳(概要): Latent Neural Stochastic Differential Equations for Change Point Detection

論文の概要: Latent Neural Stochastic Differential Equations for Change Point Detection

arxiv url: http://arxiv.org/abs/2208.10317v1
Date: Mon, 22 Aug 2022 13:53:13 GMT
ステータス: 処理完了
システム内更新日: 2022-08-23 13:51:51.255855
Title: Latent Neural Stochastic Differential Equations for Change Point Detection
Title（参考訳）: 変化点検出のための潜在確率微分方程式
Authors: Artem Ryzhikov, Mikhail Hushchyn and Denis Derkach
Abstract要約: 本稿では,変化点検出問題に対する潜時神経微分方程式の適用について紹介する。研究されたシナリオのほとんどは、提案アルゴリズムが最先端のアルゴリズムより優れていることを示している。
参考スコア（独自算出の注目度）: 1.2031796234206138
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The purpose of change point detection algorithms is to locate an abrupt change in the time evolution of a process. In this paper, we introduce an application of latent neural stochastic differential equations for change point detection problem. We demonstrate the detection capabilities and performance of our model on a range of synthetic and real-world datasets and benchmarks. Most of the studied scenarios show that the proposed algorithm outperforms the state-of-the-art algorithms. We also discuss the strengths and limitations of this approach and indicate directions for further improvements.
Abstract（参考訳）: 変化点検出アルゴリズムの目的は、プロセスの時間発展における突然の変化を見つけることである。本稿では,変化点検出問題に対する潜時神経確率微分方程式の適用について紹介する。我々は,合成および実世界のデータセットとベンチマークを用いて,モデルの検出能力と性能を実証する。研究されたシナリオのほとんどは、提案アルゴリズムが最先端のアルゴリズムより優れていることを示している。また、このアプローチの強みと限界についても議論し、さらなる改善の方向性を示します。

関連論文リスト

Variational Neural Stochastic Differential Equations with Change Points [4.692174333076032]
ニューラル微分方程式(ニューラルSDE)を用いた時系列データにおける変化点のモデル化について検討する。本稿では,時系列をニューラルSDEとしてモデル化するための変分オートエンコーダ(VAE)フレームワークに基づく,新しいモデル定式化とトレーニング手法を提案する。本稿では,従来のパラメトリックSDEと分散シフトを伴う実データセットの両方を効果的にモデル化できることを示す。
論文参考訳（メタデータ） (2024-11-01T14:46:17Z)
Neural Stochastic Differential Equations with Change Points: A Generative Adversarial Approach [5.408169633844698]
本稿では,ニューラルSDEをモデルとした時系列変化点検出アルゴリズムを提案する。提案手法は、未知の変化点と、各変化点に対応する異なるニューラルネットワークSDEモデルのパラメータを共同で学習する。
論文参考訳（メタデータ） (2023-12-20T16:16:29Z)
Towards stable real-world equation discovery with assessing differentiating quality influence [52.2980614912553]
一般的に用いられる有限差分法に代わる方法を提案する。我々は,これらの手法を実問題と類似した問題に適用可能であること,および方程式発見アルゴリズムの収束性を確保する能力の観点から評価する。
論文参考訳（メタデータ） (2023-11-09T23:32:06Z)
Entropic Neural Optimal Transport via Diffusion Processes [105.34822201378763]
本稿では,連続確率分布間のエントロピー最適輸送(EOT)計画を計算するための新しいアルゴリズムを提案する。提案アルゴリズムは,シュリンガーブリッジ問題(Schr"odinger Bridge problem)として知られるEOTの動的バージョンのサドル点再構成に基づく。大規模EOTの従来の手法とは対照的に,我々のアルゴリズムはエンドツーエンドであり,単一の学習ステップで構成されている。
論文参考訳（メタデータ） (2022-11-02T14:35:13Z)
Semi-supervised Learning of Partial Differential Operators and Dynamical Flows [68.77595310155365]
本稿では,超ネットワーク解法とフーリエニューラル演算子アーキテクチャを組み合わせた新しい手法を提案する。本手法は, 1次元, 2次元, 3次元の非線形流体を含む様々な時間発展PDEを用いて実験を行った。その結果、新しい手法は、監督点の時点における学習精度を向上し、任意の中間時間にその解を補間できることを示した。
論文参考訳（メタデータ） (2022-07-28T19:59:14Z)
Variational Inference for Continuous-Time Switching Dynamical Systems [29.984955043675157]
従属拡散過程を変調したマルコフジャンプ過程に基づくモデルを提案する。我々は,新しい連続時間変動推定アルゴリズムを開発した。モデル仮定と実世界の実例に基づいて,我々のアルゴリズムを広範囲に評価する。
論文参考訳（メタデータ） (2021-09-29T15:19:51Z)
Change Point Detection in Time Series Data using Autoencoders with a Time-Invariant Representation [69.34035527763916]
変化点検出(CPD)は、時系列データにおける急激な特性変化を見つけることを目的としている。近年のCDD法は、深層学習技術を用いる可能性を示したが、信号の自己相関統計学におけるより微妙な変化を識別する能力に欠けることが多い。我々は、新しい損失関数を持つオートエンコーダに基づく手法を用い、使用済みオートエンコーダは、CDDに適した部分的な時間不変表現を学習する。
論文参考訳（メタデータ） (2020-08-21T15:03:21Z)
Distributed Value Function Approximation for Collaborative Multi-Agent Reinforcement Learning [2.7071541526963805]
本稿では,多エージェントオフポリシー学習のための分散勾配に基づく時間差分アルゴリズムを提案する。提案するアルゴリズムは,その形式,可視性トレースの定義,時間スケールの選択,コンセンサス反復を組み込む方法などによって異なる。より弱い情報構造制約の下で時間差分アルゴリズムにどのように適用できるかを示す。
論文参考訳（メタデータ） (2020-06-18T11:46:09Z)
The data-driven physical-based equations discovery using evolutionary approach [77.34726150561087]
与えられた観測データから数学的方程式を発見するアルゴリズムについて述べる。このアルゴリズムは遺伝的プログラミングとスパース回帰を組み合わせたものである。解析方程式の発見や偏微分方程式(PDE)の発見にも用いられる。
論文参考訳（メタデータ） (2020-04-03T17:21:57Z)
Active Model Estimation in Markov Decision Processes [108.46146218973189]
マルコフ決定過程(MDP)をモデル化した環境の正確なモデル学習のための効率的な探索の課題について検討する。マルコフに基づくアルゴリズムは,本アルゴリズムと極大エントロピーアルゴリズムの両方を小サンプル方式で上回っていることを示す。
論文参考訳（メタデータ） (2020-03-06T16:17:24Z)
Generalization of Change-Point Detection in Time Series Data Based on Direct Density Ratio Estimation [1.929039244357139]
既存のアルゴリズムを様々なバイナリ分類と回帰モデルを用いて一般化する方法を示す。アルゴリズムは、いくつかの合成および実世界のデータセットでテストされる。
論文参考訳（メタデータ） (2020-01-17T15:45:38Z)

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。