Fugu-MT 論文翻訳(概要): Flexible conditional density estimation for time series

論文の概要: Flexible conditional density estimation for time series

arxiv url: http://arxiv.org/abs/2301.09671v1
Date: Mon, 23 Jan 2023 19:11:43 GMT
ステータス: 処理完了
システム内更新日: 2023-01-25 15:06:47.373994
Title: Flexible conditional density estimation for time series
Title（参考訳）: 時系列のフレキシブル条件密度推定
Authors: Gustavo Grivol, Rafael Izbicki, Alex A. Okuno and Rafael B. Stern
Abstract要約: 本稿では,時系列の新しい条件密度推定器FlexCodeTSを紹介する。 FlexCodeTSは、選択された回帰法の収束率を継承している。経験的観点では、FlexCodeTSはシミュレーションデータと実データの両方においてNNKCDEとGARCHと比較される。
参考スコア（独自算出の注目度）: 2.819725769698229
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper introduces FlexCodeTS, a new conditional density estimator for time series. FlexCodeTS is a flexible nonparametric conditional density estimator, which can be based on an arbitrary regression method. It is shown that FlexCodeTS inherits the rate of convergence of the chosen regression method. Hence, FlexCodeTS can adapt its convergence by employing the regression method that best fits the structure of data. From an empirical perspective, FlexCodeTS is compared to NNKCDE and GARCH in both simulated and real data. FlexCodeTS is shown to generally obtain the best performance among the selected methods according to either the CDE loss or the pinball loss.
Abstract（参考訳）: 本稿では,時系列の新しい条件密度推定器FlexCodeTSを紹介する。 FlexCodeTSはフレキシブルな非パラメトリック条件密度推定器であり、任意の回帰法に基づくことができる。 FlexCodeTSは、選択された回帰法の収束率を継承している。したがってFlexCodeTSは、データ構造に最も適合する回帰手法を用いることで、収束を適応することができる。経験的観点では、FlexCodeTSはシミュレーションデータと実データの両方においてNNKCDEとGARCHと比較される。 FlexCodeTSは一般的に、選択したメソッドの中で、CDE損失またはピンボール損失に応じて最高のパフォーマンスを得る。

関連論文リスト

Ensemble Multi-Quantile: Adaptively Flexible Distribution Prediction for Uncertainty Quantification [4.728311759896569]
本稿では,機械学習における不確実性を定量化するための,新しい,簡潔かつ効果的なアプローチを提案する。回帰タスクで$mathbbP(mathbfy|mathbfX=x)$に対して適応的に柔軟な分布予測を組み込む。
論文参考訳（メタデータ） (2022-11-26T11:45:32Z)
A flexible empirical Bayes approach to multiple linear regression and connections with penalized regression [5.955705779125574]
大規模多重回帰に対する新しい経験的ベイズ手法を提案する。提案手法は2つの主要な概念を組み合わせる: (i) 正規分布のスケール混合の非適応的な族を近似したフレキシブルな「パラメトリック収縮」事前の使用。提案手法の後方平均値は, ペナル化回帰問題の解法として解釈できることを示す。
論文参考訳（メタデータ） (2022-08-23T12:42:57Z)
ReCAB-VAE: Gumbel-Softmax Variational Inference Based on Analytic Divergence [17.665255113864795]
緩和されたカテゴリー分布のクルバック・リーブラー発散(KLD)の上界に対応する新しい発散型計量について述べる。また、連続表現と緩和表現の両方をうまくモデル化できる緩和された分類的有界変分オートエンコーダ(ReCAB-VAE)を提案する。
論文参考訳（メタデータ） (2022-05-09T08:11:46Z)
Fast Variational AutoEncoder with Inverted Multi-Index for Collaborative Filtering [59.349057602266]
変分オートエンコーダ (VAE) は, 協調フィルタリングの非線形手法として拡張されている。内積に基づくソフトマックス確率を逆多重インデックスに基づいて分解する。 FastVAEはサンプリング品質と効率の両面で最先端のベースラインを上回っます。
論文参考訳（メタデータ） (2021-09-13T08:31:59Z)
Structured Stochastic Gradient MCMC [20.68905354115655]
近似した後方関数形式を仮定しない新しい非パラメトリック変分近似を提案する。完全なSGMCMCよりも優れた予測可能性と有効試料サイズが得られる。
論文参考訳（メタデータ） (2021-07-19T17:18:10Z)
Active-set algorithms based statistical inference for shape-restricted generalized additive Cox regression models [10.646091866995066]
我々は、有名なコックス回帰モデル(SR-Cox)に形状制限推論を導入する。負の対数様関数の最小化は凸最適化問題として定式化される。
論文参考訳（メタデータ） (2021-06-29T21:40:28Z)
Value Iteration in Continuous Actions, States and Time [99.00362538261972]
連続状態と動作に対する連続的適合値反復(cFVI)アルゴリズムを提案する。非線形制御アフィンダイナミクスに対して最適なポリシを導出することができる。物理システムのビデオは、urlhttps://sites.google.com/view/value-iteration.comで入手できる。
論文参考訳（メタデータ） (2021-05-10T21:40:56Z)
Autoregressive Dynamics Models for Offline Policy Evaluation and Optimization [60.73540999409032]
表現的自己回帰ダイナミクスモデルが次の状態の異なる次元を生成し、以前の次元で順次条件付きで報酬を得ることを示す。また,リプレイバッファを充実させる手段として,自己回帰的ダイナミクスモデルがオフラインポリシー最適化に有用であることを示す。
論文参考訳（メタデータ） (2021-04-28T16:48:44Z)
Self Normalizing Flows [65.73510214694987]
本稿では,各層における学習された近似逆数により,勾配の高価な項を置き換えることで,フローの正規化を訓練するための柔軟なフレームワークを提案する。これにより、各レイヤの正確な更新の計算複雑性が$mathcalO(D3)$から$mathcalO(D2)$に削減される。実験により,これらのモデルは非常に安定であり,正確な勾配値と類似したデータ可能性値に最適化可能であることが示された。
論文参考訳（メタデータ） (2020-11-14T09:51:51Z)
Autoregressive Score Matching [113.4502004812927]
自動回帰条件スコアモデル(AR-CSM)を提案する。 AR-CSMモデルでは、このデータ分布とモデル分布のばらつきを効率的に計算し、最適化することができ、高価なサンプリングや対向訓練を必要としない。本研究では,合成データに対する密度推定,画像生成,画像復調,暗黙エンコーダを用いた潜在変数モデルの訓練に応用できることを示す。
論文参考訳（メタデータ） (2020-10-24T07:01:24Z)
Slice Sampling for General Completely Random Measures [74.24975039689893]
本稿では, 後続推定のためのマルコフ連鎖モンテカルロアルゴリズムについて, 補助スライス変数を用いてトランケーションレベルを適応的に設定する。提案アルゴリズムの有効性は、いくつかの一般的な非パラメトリックモデルで評価される。
論文参考訳（メタデータ） (2020-06-24T17:53:53Z)

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。