Fugu-MT 論文翻訳(概要): Where and How to Improve Graph-based Spatio-temporal Predictors

論文の概要: Where and How to Improve Graph-based Spatio-temporal Predictors

arxiv url: http://arxiv.org/abs/2302.01701v1
Date: Fri, 3 Feb 2023 12:55:08 GMT
ステータス: 処理完了
システム内更新日: 2023-02-06 16:28:29.394067
Title: Where and How to Improve Graph-based Spatio-temporal Predictors
Title（参考訳）: グラフベースの時空間予測器の場所と方法
Authors: Daniele Zambon, Cesare Alippi
Abstract要約: 本稿では、予測モデルの最適性とフレーム分析を評価するために、AZ時相と呼ばれる新しい残差相関解析を提案する。提案したAZ分析は, モデルの改良が可能な時空領域を発見する上で, 有用な資産である。
参考スコア（独自算出の注目度）: 19.407150082045636
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper introduces a novel residual correlation analysis, called AZ-analysis, to assess the optimality of spatio-temporal predictive models. The proposed AZ-analysis constitutes a valuable asset for discovering and highlighting those space-time regions where the model can be improved with respect to performance. The AZ-analysis operates under very mild assumptions and is based on a spatio-temporal graph that encodes serial and functional dependencies in the data; asymptotically distribution-free summary statistics identify existing residual correlation in space and time regions, hence localizing time frames and/or communities of sensors, where the predictor can be improved.
Abstract（参考訳）: 本稿では,時空間予測モデルの最適性を評価するために,新しい残差相関解析 az- analysis を提案する。提案したAZ分析は, モデルの改良が可能な時空領域の発見と強調を行う上で, 有用な資産である。 az分析は非常に穏やかな仮定の下で動作し、データ内の直列および機能的な依存関係をエンコードする時空間グラフに基づいている。

関連論文リスト

Modeling and Analysis of Spatial and Temporal Land Clutter Statistics in SAR Imaging Based on MSTAR Data [0.0]
地塊の空間的および時間的特性について検討した。適合性テストは、KL(Kullback-Leibler)のディバージェンス(Diversergence)測定値に基づいている。解析の総合的な検証は、移動目標獲得・認識(MSTAR)データセットを利用して行われる。
論文参考訳（メタデータ） (2024-10-04T18:47:49Z)
Convergence of Score-Based Discrete Diffusion Models: A Discrete-Time Analysis [56.442307356162864]
連続時間マルコフ連鎖(CTMC)に基づくスコアベース離散拡散モデルの理論的側面について検討する。本稿では,事前定義された時間点におけるスコア推定値を利用する離散時間サンプリングアルゴリズムを一般状態空間$[S]d$に導入する。我々の収束解析はジルサノフ法を用いて離散スコア関数の重要な性質を確立する。
論文参考訳（メタデータ） (2024-10-03T09:07:13Z)
SFANet: Spatial-Frequency Attention Network for Weather Forecasting [54.470205739015434]
天気予報は様々な分野において重要な役割を担い、意思決定とリスク管理を推進している。伝統的な手法は、しばしば気象系の複雑な力学を捉えるのに苦労する。本稿では,これらの課題に対処し,天気予報の精度を高めるための新しい枠組みを提案する。
論文参考訳（メタデータ） (2024-05-29T08:00:15Z)
ProvNeRF: Modeling per Point Provenance in NeRFs as a Stochastic Field [52.09661042881063]
テキストフィールドとしてNeRFのbfprovenance(可視な位置)をモデル化する手法を提案する。我々は、NeRF最適化におけるポイントごとの精度のモデリングにより、新しいビュー合成と不確実性推定の改善につながる情報により、モデルが強化されることを示す。
論文参考訳（メタデータ） (2024-01-16T06:19:18Z)
A case study of spatiotemporal forecasting techniques for weather forecasting [4.347494885647007]
実世界のプロセスの相関は時間的であり、それらによって生成されたデータは空間的および時間的進化の両方を示す。時系列モデルが数値予測の代替となる。本研究では,分解時間予測モデルにより計算コストを低減し,精度を向上することを示した。
論文参考訳（メタデータ） (2022-09-29T13:47:02Z)
Nonconvex Stochastic Scaled-Gradient Descent and Generalized Eigenvector Problems [98.34292831923335]
オンライン相関解析の問題から,emphStochastic Scaled-Gradient Descent (SSD)アルゴリズムを提案する。我々はこれらのアイデアをオンライン相関解析に適用し、局所収束率を正規性に比例した最適な1時間スケールのアルゴリズムを初めて導いた。
論文参考訳（メタデータ） (2021-12-29T18:46:52Z)
Spatial machine-learning model diagnostics: a model-agnostic distance-based approach [91.62936410696409]
本研究は,空間予測誤差プロファイル (SPEP) と空間変数重要度プロファイル (SVIP) を,新しいモデルに依存しない評価・解釈ツールとして提案する。統計学的手法、線形モデル、ランダムフォレスト、ハイブリッドアルゴリズムのSPEPとSVIPは、顕著な差異と関連する類似性を示している。この新しい診断ツールは空間データ科学のツールキットを充実させ、MLモデルの解釈、選択、設計を改善する可能性がある。
論文参考訳（メタデータ） (2021-11-13T01:50:36Z)
RNN with Particle Flow for Probabilistic Spatio-temporal Forecasting [30.277213545837924]
古典的な統計モデルの多くは、時系列データに存在する複雑さと高い非線形性を扱うのに不足することが多い。本研究では,時系列データを非線形状態空間モデルからのランダムな実現とみなす。粒子流は, 複雑で高次元的な設定において極めて有効であることを示すため, 状態の後方分布を近似するツールとして用いられる。
論文参考訳（メタデータ） (2021-06-10T21:49:23Z)
Spatio-Temporal Functional Neural Networks [11.73856529960872]
本稿では,多くの研究者によって有効性が証明された時間回帰モデルであるニューラル・ファンクショナル・ネットワーク(FNN)の2つの新しい拡張を提案する。提案したモデルは気象分野における実用的で挑戦的な降水予測問題を解決するために展開される。
論文参考訳（メタデータ） (2020-09-11T21:32:35Z)
Off-Policy Evaluation via the Regularized Lagrangian [110.28927184857478]
最近提案された分布補正推定(DICE)ファミリーは, 行動に依存しないデータを用いた非政治的評価において, 技術の現状を推し進めている。本稿では,これらを線形プログラムの正規化ラグランジアンとして統一する。双対解は、安定性と推定バイアスの間のトレードオフをナビゲートする際の柔軟性を向上し、一般的にはより優れた見積もりを提供する。
論文参考訳（メタデータ） (2020-07-07T13:45:56Z)
Prediction with Spatio-temporal Point Processes with Self Organizing Decision Trees [0.0]
私たちはこの問題に新しいアプローチを導入します。我々のアプローチは、非定常かつ自己興奮的なプロセスであるホークスプロセスに基づいている。実生活データに関する実験結果を提供する。
論文参考訳（メタデータ） (2020-03-07T20:39:31Z)

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。