論文の概要: Online Detection Of Supply Chain Network Disruptions Using Sequential
Change-Point Detection for Hawkes Processes
- arxiv url: http://arxiv.org/abs/2211.12091v1
- Date: Tue, 22 Nov 2022 08:48:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-23 17:01:09.557535
- Title: Online Detection Of Supply Chain Network Disruptions Using Sequential
Change-Point Detection for Hawkes Processes
- Title(参考訳): ホークス過程の逐次変化点検出によるサプライチェーンネットワーク障害のオンライン検出
- Authors: Khurram Yamin, Haoyun Wang, Benoit Montreuil, Yao Xie
- Abstract要約: 我々は、大型家具会社から受け取ったサプライチェーンデータに基づいて、Covid-19パンデミックによるインフレクションや変化点の検出を試みる。
我々は,多次元の自己および相互にエキサイティングな点過程であるホークス・プロセス・ネットワークを用いて,注文データをモデル化する。
この項目は, 国内に比べて頻繁に注文されるため, 異なるデータ空間で有効性を示すことができる。
- 参考スコア(独自算出の注目度): 9.789159342840971
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we attempt to detect an inflection or change-point resulting
from the Covid-19 pandemic on supply chain data received from a large furniture
company. To accomplish this, we utilize a modified CUSUM (Cumulative Sum)
procedure on the company's spatial-temporal order data as well as a GLR
(Generalized Likelihood Ratio) based method. We model the order data using the
Hawkes Process Network, a multi-dimensional self and mutually exciting point
process, by discretizing the spatial data and treating each order as an event
that has a corresponding node and time. We apply the methodologies on the
company's most ordered item on a national scale and perform a deep dive into a
single state. Because the item was ordered infrequently in the state compared
to the nation, this approach allows us to show efficacy upon different degrees
of data sparsity. Furthermore, it showcases use potential across differing
levels of spatial detail.
- Abstract(参考訳): 本稿では,大型家具会社から受信したサプライチェーンデータに基づいて,Covid-19パンデミックによる変貌や変化点の検出を試みる。
そこで我々は,同社の時空間順序データに修正CUSUM(Cumulative Sum)プロシージャと,GLR(Generalized Likelihood Ratio)に基づく手法を利用する。
空間データを識別し、それぞれの順序を対応するノードと時間を有するイベントとして扱うことにより、多次元自己および相互にエキサイティングな点過程であるhawkesプロセスネットワークを用いて順序データをモデル化する。
私たちは、この方法論を同社の最も注文された商品に全国規模で適用し、単一の州に深く掘り下げる。
この項目は, 国内に比べて頻繁に注文されるため, 異なるデータ空間で有効性を示すことができる。
さらに、空間的詳細の異なるレベルにまたがる使用可能性を示す。
関連論文リスト
- PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
私たちはaを提案します。
フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。
我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
論文 参考訳(メタデータ) (2024-06-04T13:51:08Z) - SQLNet: Scale-Modulated Query and Localization Network for Few-Shot
Class-Agnostic Counting [71.38754976584009]
CAC(class-agnostic counting)タスクは、最近、任意のクラスの全てのオブジェクトを、入力画像にいくつかの例を付与してカウントする問題を解くために提案されている。
我々は、スケール変調クエリーおよびローカライズネットワーク(Net)と呼ばれる、新しいローカライズベースのCACアプローチを提案する。
クエリとローカライゼーションの段階において、模範者のスケールを完全に探求し、各オブジェクトを正確に位置付けし、その近似サイズを予測することで、効果的なカウントを実現している。
論文 参考訳(メタデータ) (2023-11-16T16:50:56Z) - Estimation of an Order Book Dependent Hawkes Process for Large Datasets [12.18340575383456]
高周波取引におけるイベント到着のポイントプロセスを示す。
数十億のデータポイントが存在する場合でも、モデルを推定するアルゴリズムが提示される。
サンプル実験の結果, 注文帳情報の非線形性を捉えることは, 高周波取引イベントの自己刺激性に価値をもたらすことが示唆された。
論文 参考訳(メタデータ) (2023-07-18T08:53:17Z) - Sample and Predict Your Latent: Modality-free Sequential Disentanglement
via Contrastive Estimation [2.7759072740347017]
外部信号のないコントラスト推定に基づく自己教師付きシーケンシャル・アンタングルメント・フレームワークを提案する。
実際に,データのセマンティックに類似し,異種なビューに対して,統一的で効率的かつ容易にサンプリングできる手法を提案する。
提案手法は,既存の手法と比較して最先端の結果を示す。
論文 参考訳(メタデータ) (2023-05-25T10:50:30Z) - Randomized Quantization: A Generic Augmentation for Data Agnostic
Self-supervised Learning [89.00646449740606]
自己監督型表現学習は、データの一部を保持し、残りの部分から予測するようにネットワークに指示するパラダイムに従っている。
データ拡張は、情報ギャップを作るためのコアにあります。
本稿では,精度の冗長性を利用した汎用データ拡張のためのチャネル次元について検討する。
論文 参考訳(メタデータ) (2022-12-19T18:59:57Z) - CloudAttention: Efficient Multi-Scale Attention Scheme For 3D Point
Cloud Learning [81.85951026033787]
この作業にトランスフォーマーをセットし、それらを形状分類と部分およびシーンセグメンテーションのための階層的なフレームワークに組み込む。
また、各イテレーションにおけるサンプリングとグループ化を活用して、効率的でダイナミックなグローバルなクロスアテンションを計算します。
提案した階層モデルは,最先端の形状分類を平均精度で達成し,従来のセグメンテーション法と同等の結果を得る。
論文 参考訳(メタデータ) (2022-07-31T21:39:15Z) - Robust Self-Tuning Data Association for Geo-Referencing Using Lane Markings [44.4879068879732]
本稿では,データアソシエーションにおけるあいまいさを解消するための完全なパイプラインを提案する。
その中核は、測定のエントロピーに応じて探索領域に適応する堅牢な自己調整データアソシエーションである。
ドイツ・カールスルーエ市周辺の都市・農村のシナリオを実データとして評価した。
論文 参考訳(メタデータ) (2022-07-28T12:29:39Z) - An End-to-End Transformer Model for Crowd Localization [64.15335535775883]
頭の位置を予測するクラウドローカライゼーションは、単にカウントするよりも実用的でハイレベルなタスクである。
既存の方法は擬似有界ボックスや事前設計されたローカライゼーションマップを使用し、複雑な後処理に頼って先頭位置を得る。
本稿では,レグレッションベースパラダイムの課題を解決するエレガントでエンドツーエンドなクラウドローカライゼーションTRansformerを提案する。
論文 参考訳(メタデータ) (2022-02-26T05:21:30Z) - Towards General and Efficient Active Learning [20.888364610175987]
アクティブラーニングは、限られたアノテーション予算を利用するために最も有益なサンプルを選択することを目的としている。
本稿では,新しい汎用能動学習法(GEAL)を提案する。
提案手法は,同一モデルの単一パス推定を用いて,異なるデータセット上でデータ選択処理を行うことができる。
論文 参考訳(メタデータ) (2021-12-15T08:35:28Z) - Sequential change-point detection for mutually exciting point processes
over networks [11.672651073865538]
我々は,自己および相互エキサイティングなプロセス,すなわちホークスネットワークにおける変化点を逐次検出する新しいCUSUM手順を提案する。
提案手法は既存手法よりも性能がよいことを示す。
論文 参考訳(メタデータ) (2021-02-10T20:20:06Z) - Learning to Count in the Crowd from Limited Labeled Data [109.2954525909007]
我々は,限られた数のラベル付きサンプルから参加者を数えることを学ぶことで,アノテーションの努力を減らすことに重点を置いている。
具体的には,未ラベルデータに対する擬似地下真理推定を含むガウス過程に基づく反復学習機構を提案する。
論文 参考訳(メタデータ) (2020-07-07T04:17:01Z)
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。