Fugu-MT 論文翻訳(概要): Confidence Interval Construction for Multivariate time series using Long Short Term Memory Network

論文の概要: Confidence Interval Construction for Multivariate time series using Long Short Term Memory Network

arxiv url: http://arxiv.org/abs/2211.13915v1
Date: Fri, 25 Nov 2022 06:08:08 GMT
ステータス: 処理完了
システム内更新日: 2022-11-28 19:00:11.752144
Title: Confidence Interval Construction for Multivariate time series using Long Short Term Memory Network
Title（参考訳）: 長期記憶ネットワークを用いた多変量時系列の信頼区間構築
Authors: Aryan Bhambu, Arabin Kumar Dey
Abstract要約: 本稿では,長期記憶ネットワークを用いた多変量時系列予測のための信頼区間を構築する手法を提案する。また,これらのスキームに対して,ブロック長選択手法を提案する。 S&P500ドルとDow Jones Indexデータセットによる全体の構成について説明する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: In this paper we propose a novel procedure to construct a confidence interval for multivariate time series predictions using long short term memory network. The construction uses a few novel block bootstrap techniques. We also propose an innovative block length selection procedure for each of these schemes. Two novel benchmarks help us to compare the construction of this confidence intervals by different bootstrap techniques. We illustrate the whole construction through S\&P $500$ and Dow Jones Index datasets.
Abstract（参考訳）: 本稿では,長期記憶ネットワークを用いた多変量時系列予測のための信頼区間を構築するための新しい手法を提案する。建設にはいくつかの新しいブロックブートストラップ技術が使用されている。また,これら各スキームに対して革新的なブロック長選択手順を提案する。 2つの新しいベンチマークは、異なるブートストラップ手法による信頼区間の構成を比較するのに役立ちます。 S\&P 500ドルとDow Jones Indexデータセットによる全体の構成について説明する。

関連論文リスト

Towards Long-Context Time Series Foundation Models [17.224575072056627]
時系列基礎モデルは、ゼロショットの設定であっても、幅広い領域にわたる様々なタスクにおいて印象的なパフォーマンスを示している。本研究は,言語領域と時系列領域の両方から,様々な文脈展開手法を体系的に比較することによって,ギャップを埋めるものである。
論文参考訳（メタデータ） (2024-09-20T14:19:59Z)
Long Input Sequence Network for Long Time Series Forecasting [6.016990089180451]
短時間の固定長入力は、長い時系列予測タスクにおけるディープラーニング手法の主なボトルネックである。我々は,新しいシリーズ分解モジュール(MPSD)とマルチトークンパターン認識ニューラルネットワーク(MTPR)を導入する。トークンのサイズは、モデルがフォーカスするスケールとそれに対応するコンテキストサイズを決定するため、主にモデルの振る舞いを規定する。
論文参考訳（メタデータ） (2024-07-18T08:43:12Z)
Self-Supervised Correspondence Estimation via Multiview Registration [88.99287381176094]
ビデオは、視覚学習に必要な同期時間一貫性を提供します。近年のアプローチでは、この信号を用いて、近接フレーム対からの対応推定を学習している。短いRGB-Dビデオシーケンスにおけるマルチビュー一貫性から学習する対応推定のための自己教師付きアプローチを提案する。
論文参考訳（メタデータ） (2022-12-06T18:59:02Z)
HyperTime: Implicit Neural Representation for Time Series [131.57172578210256]
暗黙の神経表現(INR)は、データの正確で解像度に依存しないエンコーディングを提供する強力なツールとして最近登場した。本稿では、INRを用いて時系列の表現を分析し、再構成精度とトレーニング収束速度の点で異なるアクティベーション関数を比較した。本稿では,INRを利用して時系列データセット全体の圧縮潜在表現を学習するハイパーネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2022-08-11T14:05:51Z)
Triformer: Triangular, Variable-Specific Attentions for Long Sequence Multivariate Time Series Forecasting--Full Version [50.43914511877446]
本稿では,高い効率と精度を確保するために,三角形,可変特性に着目した注意点を提案する。我々はTriformerが精度と効率の両方で最先端の手法より優れていることを示す。
論文参考訳（メタデータ） (2022-04-28T20:41:49Z)
Self-Attention Neural Bag-of-Features [103.70855797025689]
我々は最近導入された2D-Attentionの上に構築し、注意学習方法論を再構築する。本稿では,関連情報を強調した2次元目視マスクを学習する機能・時間的アテンション機構を提案する。
論文参考訳（メタデータ） (2022-01-26T17:54:14Z)
TE-ESN: Time Encoding Echo State Network for Prediction Based on Irregularly Sampled Time Series Data [6.221375620565451]
不規則サンプリング時系列(ISTS)に基づく予測は、現実世界の応用において広く懸念されている。 Time Echo State Network(TE-ESN)という新しいモデル構造を作成します。 ISTSデータを処理できる最初のESNsベースのモデルである。 1つのカオスシステムと3つの実世界のデータセットの実験は、TE-ESNがすべてのベースラインよりも優れたパフォーマンスを示している。
論文参考訳（メタデータ） (2021-05-02T08:00:46Z)
BiCnet-TKS: Learning Efficient Spatial-Temporal Representation for Video Person Re-Identification [86.73532136686438]
映像人物再識別(reID)のための効率的な時空間表現法を提案する。空間相補性モデリングのための双方向相補性ネットワーク(BiCnet)を提案する。 BiCnet-TKSは、約50%の計算量で最先端の性能を発揮する。
論文参考訳（メタデータ） (2021-04-30T06:44:34Z)
Temporal Memory Relation Network for Workflow Recognition from Surgical Video [53.20825496640025]
本研究では, 長期および多スケールの時間パターンを関連づける, エンドツーエンドの時間メモリ関係ネットワーク (TMNet) を提案する。我々はこのアプローチを2つのベンチマーク手術ビデオデータセットで広範囲に検証した。
論文参考訳（メタデータ） (2021-03-30T13:20:26Z)
Construction of confidence interval for a univariate stock price signal predicted through Long Short Term Memory Network [0.0]
依存セットアップには3つの異なるタイプのブートストラップメソッドを採用しています。サンプルのブートストラップの実行中に最適なブロック長を選択するために,いくつかの有用な提案を規定する。また、異なるブートストラップ戦略によって測定された信頼区間を比較するためのベンチマークも提案する。
論文参考訳（メタデータ） (2020-07-01T05:28:20Z)
Time Series Forecasting With Deep Learning: A Survey [5.351996099005896]
我々は,1ステップアヘッドとマルチホライゾン時系列予測の両方で使用される共通エンコーダとデコーダの設計を調査した。我々は、よく研究された統計モデルとニューラルネットワークコンポーネントを組み合わせたハイブリッドディープラーニングモデルの最近の発展に注目した。
論文参考訳（メタデータ） (2020-04-28T10:32:26Z)

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。