論文の概要: Multi-view Kernel PCA for Time series Forecasting

• arxiv url: http://arxiv.org/abs/2301.09811v1
• Date: Tue, 24 Jan 2023 04:29:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-25 14:29:31.729275
• Title: Multi-view Kernel PCA for Time series Forecasting
• Title（参考訳）: 時系列予測のためのマルチビューカーネルPCA
• Authors: Arun Pandey, Hannes De Meulemeester, Bart De Moor and Johan A.K. Suykens
• Abstract要約: 時系列予測のためのカーネル主成分分析モデルを提案する。 トレーニング問題は、入力および出力データのビューに対応する2つのカーネル行列の固有値分解である。 いくつかの標準時系列データセット上でモデルを評価し、アブレーション研究を行い、密接な関係のあるモデルでベンチマークを行い、その結果について議論する。
• 参考スコア（独自算出の注目度）: 10.69910379275607
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a kernel principal component analysis model for multi-variate time series forecasting, where the training and prediction schemes are derived from the multi-view formulation of Restricted Kernel Machines. The training problem is simply an eigenvalue decomposition of the summation of two kernel matrices corresponding to the views of the input and output data. When a linear kernel is used for the output view, it is shown that the forecasting equation takes the form of kernel ridge regression. When that kernel is non-linear, a pre-image problem has to be solved to forecast a point in the input space. We evaluate the model on several standard time series datasets, perform ablation studies, benchmark with closely related models and discuss its results.
• Abstract（参考訳）: 本稿では,マルチ変数時系列予測のためのカーネル主成分分析モデルを提案する。 トレーニング問題は、入力および出力データのビューに対応する2つのカーネル行列の和の固有値分解である。 出力ビューに線形カーネルを使用すると、予測方程式がカーネルリッジ回帰の形式をとることが示される。 そのカーネルが非線形である場合、入力空間の点を予測するために、画像前問題を解く必要がある。 いくつかの標準時系列データセット上でモデルを評価し、アブレーション研究を行い、関連するモデルをベンチマークし、その結果について議論する。

関連論文リスト

• FaDIn: Fast Discretized Inference for Hawkes Processes with General Parametric Kernels [82.53569355337586]
  この研究は、有限なサポートを持つ一般的なパラメトリックカーネルを用いて、時間点プロセスの推論に効率的なソリューションを提供することを目的としている。 開発した解法は, 離散化されたイベントを利用した高速なL2勾配解法からなる。 その結果, 提案手法は, 最先端技術と比較してパターン遅延を推定できる可能性が示唆された。
  論文  参考訳（メタデータ） (2022-10-10T12:35:02Z)
• TACTiS: Transformer-Attentional Copulas for Time Series [76.71406465526454]
  時間変化量の推定は、医療や金融などの分野における意思決定の基本的な構成要素である。 本稿では,アテンションベースデコーダを用いて関節分布を推定する多元的手法を提案する。 本研究では,本モデルが実世界の複数のデータセットに対して最先端の予測を生成することを示す。
  論文  参考訳（メタデータ） (2022-02-07T21:37:29Z)
• Regularization of Mixture Models for Robust Principal Graph Learning [0.0]
  D$次元データポイントの分布から主グラフを学習するために,Mixture Modelsの正規化バージョンを提案する。 モデルのパラメータは期待最大化手順によって反復的に推定される。
  論文  参考訳（メタデータ） (2021-06-16T18:00:02Z)
• Tractable Computation of Expected Kernels by Circuits [35.059091080947205]
  我々は、期待されるカーネルを正確かつ効率的に計算できる条件を記述する。 次に、扱いやすい期待カーネルを活用して、カーネル組み込みフレームワークの進歩を実証する。 両アルゴリズムを実証的に評価し,各種データセットの標準ベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-02-21T08:59:06Z)
• Learning Compositional Sparse Gaussian Processes with a Shrinkage Prior [26.52863547394537]
  本稿では,カーネル選択のスパーシティをホースシュープリアーで処理することにより,カーネル構成を学習するための新しい確率論的アルゴリズムを提案する。 本モデルは,計算時間を大幅に削減した時系列特性をキャプチャし,実世界のデータセット上での競合回帰性能を有する。
  論文  参考訳（メタデータ） (2020-12-21T13:41:15Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)
• Kernel learning approaches for summarising and combining posterior similarity matrices [68.8204255655161]
  我々は,ベイズクラスタリングモデルに対するMCMCアルゴリズムの出力を要約するための新しいアプローチを提案するために,後部類似性行列(PSM)の概念を構築した。 我々の研究の重要な貢献は、PSMが正の半定値であり、したがって確率的に動機付けられたカーネル行列を定義するのに使用できることである。
  論文  参考訳（メタデータ） (2020-09-27T14:16:14Z)
• Time series forecasting with Gaussian Processes needs priors [1.5877673959068452]
  本稿では,ハイパーパラメータの最適カーネルと信頼性の高い推定法を提案する。 GPモデルは最先端の時系列モデルよりも精度が高い。
  論文  参考訳（メタデータ） (2020-09-17T06:46:51Z)
• Predicting Temporal Sets with Deep Neural Networks [50.53727580527024]
  本稿では,時間集合予測のためのディープニューラルネットワークに基づく統合解を提案する。 ユニークな視点は、セットレベルの共起グラフを構築することで要素関係を学ぶことである。 我々は,要素や集合の時間依存性を適応的に学習するアテンションベースのモジュールを設計する。
  論文  参考訳（メタデータ） (2020-06-20T03:29:02Z)
• Bayesian Sparse Factor Analysis with Kernelized Observations [67.60224656603823]
  多視点問題は潜在変数モデルに直面することができる。 高次元問題と非線形問題は伝統的にカーネルメソッドによって扱われる。 両アプローチを単一モデルにマージすることを提案する。
  論文  参考訳（メタデータ） (2020-06-01T14:25:38Z)

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。

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。