論文の概要: Marginalized particle Gibbs for multiple state-space models coupled through shared parameters

• arxiv url: http://arxiv.org/abs/2210.07379v1
• Date: Thu, 13 Oct 2022 21:49:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-17 17:53:15.595743
• Title: Marginalized particle Gibbs for multiple state-space models coupled through shared parameters
• Title（参考訳）: 共有パラメータを結合した複数の状態空間モデルに対するマージン化粒子ギブ
• Authors: Anna Wigren, Fredrik Lindsten
• Abstract要約: Particle Gibbs (PG) は、SSMにおける推論のための効率的なアルゴリズムのクラスである。 そこで本研究では,静的モデルパラメータを極小化するためのPGサンプルを2種類提示する。 状態とパラメータ間の強い依存関係を持つモデルに対して、それらを結合して効率的なサンプルを作成することができることを示す。
• 参考スコア（独自算出の注目度）: 18.45278329799526
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider Bayesian inference from multiple time series described by a common state-space model (SSM) structure, but where different subsets of parameters are shared between different submodels. An important example is disease-dynamics, where parameters can be either disease or location specific. Parameter inference in these models can be improved by systematically aggregating information from the different time series, most notably for short series. Particle Gibbs (PG) samplers are an efficient class of algorithms for inference in SSMs, in particular when conjugacy can be exploited to marginalize out model parameters from the state update. We present two different PG samplers that marginalize static model parameters on-the-fly: one that updates one model at a time conditioned on the datasets for the other models, and one that concurrently updates all models by stacking them into a high-dimensional SSM. The distinctive features of each sampler make them suitable for different modelling contexts. We provide insights on when each sampler should be used and show that they can be combined to form an efficient PG sampler for a model with strong dependencies between states and parameters. The performance is illustrated on two linear-Gaussian examples and on a real-world example on the spread of mosquito-borne diseases.
• Abstract（参考訳）: 我々は、共通状態空間モデル(SSM)構造によって記述される複数の時系列からベイズ的推論を考えるが、パラメータの異なるサブセットが異なるサブモデル間で共有される場合を考える。 重要な例として、疾患力学があり、パラメータは疾患または特定の場所のいずれかである。 これらのモデルのパラメータ推論は、異なる時系列からの情報を体系的に集約することで改善することができる。 Particle Gibbs (PG) samplersは、特に、状態更新からモデルパラメータを疎外するために共役を利用できる場合、SSMにおける推論のための効率的なアルゴリズムのクラスである。 そこで我々は,静的モデルパラメータを段階的にマージする2つの異なるPGサンプルを提示する。1つは,他のモデルのデータセットに条件付きで一度に1つのモデルを更新し,もう1つは高次元のSSMに積み重ねることで,すべてのモデルを同時に更新する。 各サンプルの特徴的な特徴は、異なるモデリングコンテキストに適合する。 我々は,各サンプルをいつ使用するべきかを考察し,それらを組み合わせることで,状態とパラメータ間の強い依存関係を持つモデルに対する効率的なPGサンプルを作成することができることを示す。 このパフォーマンスは2つの線形ゲージの例と、蚊媒介疾患の拡散に関する実例で示される。

関連論文リスト

• Latent diffusion models for parameterization and data assimilation of facies-based geomodels [0.0]
  拡散モデルは、ランダムノイズを特徴とする入力場から新しい地質学的実現を生成するために訓練される。 遅延拡散モデルは、ジオモデリングソフトウェアからのサンプルと視覚的に整合した実現を提供する。
  論文  参考訳（メタデータ） (2024-06-21T01:32:03Z)
• UniTST: Effectively Modeling Inter-Series and Intra-Series Dependencies for Multivariate Time Series Forecasting [98.12558945781693]
  フラット化されたパッチトークンに統一された注意機構を含む変圧器ベースモデルUniTSTを提案する。 提案モデルでは単純なアーキテクチャを採用しているが,時系列予測のためのいくつかのデータセットの実験で示されたような,魅力的な性能を提供する。
  論文  参考訳（メタデータ） (2024-06-07T14:39:28Z)
• EMR-Merging: Tuning-Free High-Performance Model Merging [55.03509900949149]
  Elect, Mask & Rescale-Merging (EMR-Merging) は既存のマージ手法と比較して優れた性能を示した。 EMR-Mergingはチューニング不要なので、データアベイラビリティや追加のトレーニングは必要ありません。
  論文  参考訳（メタデータ） (2024-05-23T05:25:45Z)
• Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
  拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。 本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
  論文  参考訳（メタデータ） (2024-02-19T15:57:39Z)
• Understanding Parameter Sharing in Transformers [53.75988363281843]
  トランスフォーマーに関するこれまでの研究は、異なるレイヤでパラメータを共有することに集中しており、モデルの深さを増大させることで、限られたパラメータを持つモデルの性能を向上させることができる。 このアプローチの成功は, モデル複雑性の増加により, ごく一部に過ぎず, 収束性の向上に大きく寄与することを示す。 8つの機械翻訳タスクの実験結果から,パラメータ共有モデルのモデル複雑性を半分に抑えて,我々のモデルが競合性能を達成することが示された。
  論文  参考訳（メタデータ） (2023-06-15T10:48:59Z)
• Parameterization of state duration in Hidden semi-Markov Models: an application in electrocardiography [0.0]
  時系列パターン認識のためのパラメトリックモデルを導入し,パラメータの最大値に類似度を推定する。 分類の応用は、それぞれの選択肢の主な長所と短所を明らかにする。
  論文  参考訳（メタデータ） (2022-11-17T11:51:35Z)
• Bayesian Learning of Coupled Biogeochemical-Physical Models [28.269731698116257]
  海洋生態系の予測モデルは、様々なニーズに使われている。 希少な測定と海洋プロセスの理解が限られているため、かなりの不確実性がある。 候補モデルの空間での処理と新しいモデルの発見を可能にするベイズモデル学習手法を開発した。
  論文  参考訳（メタデータ） (2022-11-12T17:49:18Z)
• Few-Shot Diffusion Models [15.828257653106537]
  条件付きDDPMを利用した数ショット生成のためのフレームワークであるFew-Shot Diffusion Models (FSDM)を提案する。 FSDMは、画像パッチ情報を集約することにより、所定のクラスからの小さな画像集合に条件付けされた生成プロセスに適応するように訓練される。 FSDMが数ショット生成を行い、新しいデータセットに転送できることを実証的に示す。
  論文  参考訳（メタデータ） (2022-05-30T23:20:33Z)
• Post-mortem on a deep learning contest: a Simpson's paradox and the complementary roles of scale metrics versus shape metrics [61.49826776409194]
  我々は、ニューラルネットワーク(NN)モデルの一般化精度を予測するために、コンテストで公に利用可能にされたモデルのコーパスを分析する。 メトリクスが全体としてよく機能するが、データのサブパーティションではあまり機能しない。 本稿では,データに依存しない2つの新しい形状指標と,一連のNNのテスト精度の傾向を予測できるデータ依存指標を提案する。
  論文  参考訳（メタデータ） (2021-06-01T19:19:49Z)
• Robust Finite Mixture Regression for Heterogeneous Targets [70.19798470463378]
  本稿では,サンプルクラスタの探索と,複数の不完全な混合型ターゲットを同時にモデル化するFMRモデルを提案する。 我々は、高次元の学習フレームワークの下で、無症状のオラクルのパフォーマンス境界をモデルに提供します。 その結果,我々のモデルは最先端の性能を達成できることがわかった。
  論文  参考訳（メタデータ） (2020-10-12T03:27:07Z)
• Sequential Bayesian Experimental Design for Implicit Models via Mutual Information [12.68659360172393]
  自然科学と医学科学に特に興味を持つモデルのクラスは暗黙のモデルである。 モデルパラメータとシミュレーションデータ間の相互情報(MI)を実用関数として用いたパラメータ推定のための新しい逐次設計フレームワークを考案する。 我々のフレームワークは、テストされた様々な暗黙のモデルに対して効率的であることが分かり、数回の反復で正確なパラメータ推定が得られます。
  論文  参考訳（メタデータ） (2020-03-20T16:52:10Z)

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。