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

• Correlating Time Series with Interpretable Convolutional Kernels [18.77493756204539]
  本研究では,時系列データにおける畳み込みカーネル学習の問題に対処する。 テンソル計算を用いて、畳み込みカーネル学習問題をテンソルの形で再構成する。 本研究は時系列データから畳み込みカーネルを自動的に学習するための洞察力のある基礎を築いた。
  論文  参考訳（メタデータ） (2024-09-02T16:29:21Z)
• Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values [67.76168547245237]
  本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。 実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
  論文  参考訳（メタデータ） (2024-01-11T10:10:16Z)
• Probabilistic Unrolling: Scalable, Inverse-Free Maximum Likelihood Estimation for Latent Gaussian Models [69.22568644711113]
  我々は,モンテカルロサンプリングと反復線形解法を組み合わせた確率的アンローリングを導入し,行列逆転を回避した。 理論的解析により,解法の繰り返しによる解法の解法と逆転が最大値推定の勾配推定を高速化することを示した。 シミュレーションおよび実データ実験において、確率的アンロールは、モデル性能の損失を最小限に抑えながら、勾配EMよりも桁違いに高速な潜在ガウスモデルを学習することを示した。
  論文  参考訳（メタデータ） (2023-06-05T21:08:34Z)
• 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)
• 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)
• 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。