論文の概要: Sequential change detection via backward confidence sequences
- arxiv url: http://arxiv.org/abs/2302.02544v1
- Date: Mon, 6 Feb 2023 03:03:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-07 17:39:23.547961
- Title: Sequential change detection via backward confidence sequences
- Title（参考訳）: 後方信頼シーケンスによる逐次変化検出
- Authors: Shubhanshu Shekhar, Aaditya Ramdas
- Abstract要約: 逐次的推定から逐次的変化点検出への簡単な削減を提案する。
誤報の頻度と検出遅延の頻度に強い漸近的保証を与える。
- 参考スコア（独自算出の注目度）: 40.79325752924537
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a simple reduction from sequential estimation to sequential
changepoint detection (SCD). In short, suppose we are interested in detecting
changepoints in some parameter or functional $\theta$ of the underlying
distribution. We demonstrate that if we can construct a confidence sequence
(CS) for $\theta$, then we can also successfully perform SCD for $\theta$. This
is accomplished by checking if two CSs -- one forwards and the other backwards
-- ever fail to intersect. Since the literature on CSs has been rapidly
evolving recently, the reduction provided in this paper immediately solves
several old and new change detection problems. Further, our "backward CS",
constructed by reversing time, is new and potentially of independent interest.
We provide strong nonasymptotic guarantees on the frequency of false alarms and
detection delay, and demonstrate numerical effectiveness on several problems.
- Abstract（参考訳）: 逐次的推定から逐次的変化点検出(SCD)への簡単な削減を提案する。
つまり、基礎となるディストリビューションのパラメータや関数$\theta$のチェンジポイントの検出に興味があるとします。
我々は、もし$\theta$に対する信頼シーケンス(CS)を構築することができれば、$\theta$に対するSCDの実行も成功できることを示した。
これは、2つのCS(一方が前方、もう一方が後方)が相互に干渉しないかどうかを確認することで達成される。
近年,CSに関する文献が急速に進歩しているため,本論文で提案される削減は,いくつかの旧来および新来の変化検出問題を即座に解決する。
さらに、時間逆転によって構築された"後方CS"は、新しく、潜在的に独立した関心事である。
我々は,誤報の頻度と検出遅延に対する強い非漸近的保証を提供し,いくつかの問題に対する数値的有効性を示す。
関連論文リスト
- Quickest Change Detection with Confusing Change [26.769246781414545]
この研究は、変化が悪い変化であるか、私たちが検出しようとしているか、あるいは混乱した変化である、というQCDの問題を研究します。
2つのCuSum統計を利用した新しいCuSum検出手法であるS-CuSumとJ-CuSumを提案する。
S-CuSum と J-CuSum は解析的性能保証を提供し,数値計算により検証する。
論文 参考訳（メタデータ） (2024-05-01T20:10:06Z) - Reducing sequential change detection to sequential estimation [42.460619457560334]
本稿では, 逐次変化検出から信頼性系列を用いた逐次推定への簡単な削減について述べる。
平均ランニング長が少なくとも1/alpha$であることを証明する。
論文 参考訳（メタデータ） (2023-09-16T23:48:47Z) - Discounted Thompson Sampling for Non-Stationary Bandit Problems [13.656518163592349]
NS-MAB(Non-stationary multi-armed bandit)問題も最近注目されている。
非定常条件の両方に対処するため,ガウシアン先行値を用いたディスカウントトンプソンサンプリング(DS-TS)を提案する。
我々のアルゴリズムは、トンプソンサンプリングに割引係数を組み込むことにより、変化に順応的に適応する。
論文 参考訳（メタデータ） (2023-05-18T05:29:52Z) - Sequential Gradient Descent and Quasi-Newton's Method for Change-Point
Analysis [0.348097307252416]
変更点を検出するための一般的なアプローチは、変更点の数と位置に関するコスト関数を最小化することである。
本稿では, 勾配降下法 (SeGD) と準ニュートン法 (SeN) とを結合し, コストを効果的に求める新しいシーケンシャル手法 (SE) を提案する。
論文 参考訳（メタデータ） (2022-10-21T20:30:26Z) - E-detectors: a nonparametric framework for sequential change detection [86.15115654324488]
逐次的変化検出のための基本的かつ汎用的なフレームワークを開発する。
私たちの手順は、平均走行距離のクリーンで無症状な境界が伴います。
統計的および計算効率の両方を達成するために,これらの混合物を設計する方法を示す。
論文 参考訳（メタデータ） (2022-03-07T17:25:02Z) - Change Point Detection in Time Series Data using Autoencoders with a
Time-Invariant Representation [69.34035527763916]
変化点検出(CPD)は、時系列データにおける急激な特性変化を見つけることを目的としている。
近年のCDD法は、深層学習技術を用いる可能性を示したが、信号の自己相関統計学におけるより微妙な変化を識別する能力に欠けることが多い。
我々は、新しい損失関数を持つオートエンコーダに基づく手法を用い、使用済みオートエンコーダは、CDDに適した部分的な時間不変表現を学習する。
論文 参考訳（メタデータ） (2020-08-21T15:03:21Z) - On the Almost Sure Convergence of Stochastic Gradient Descent in
Non-Convex Problems [75.58134963501094]
本稿では,勾配降下(SGD)の軌跡を解析する。
我々はSGDが厳格なステップサイズポリシーのために1ドルでサドルポイント/マニフォールドを避けることを示す。
論文 参考訳（メタデータ） (2020-06-19T14:11:26Z) - Optimal Change-Point Detection with Training Sequences in the Large and
Moderate Deviations Regimes [72.68201611113673]
本稿では,情報理論の観点から,新しいオフライン変化点検出問題について検討する。
基礎となる事前および変更後分布の知識は分かっておらず、利用可能なトレーニングシーケンスからのみ学習できると仮定する。
論文 参考訳（メタデータ） (2020-03-13T23:39:40Z)
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。