論文の概要: Multi-Target Tobit Models for Completing Water Quality Data

• arxiv url: http://arxiv.org/abs/2302.10648v1
• Date: Tue, 21 Feb 2023 13:06:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-22 15:10:32.098777
• Title: Multi-Target Tobit Models for Completing Water Quality Data
• Title（参考訳）: 水質データ補完のためのマルチターゲットトビットモデル
• Authors: Yuya Takada and Tsuyoshi Kato
• Abstract要約: トビットモデルは、検閲されたデータを解析するためのよく知られた線形回帰モデルである。 本研究では、複数の検閲された変数を同時に扱うために、Emphmulti-target Tobit modelと呼ばれる古典的Tobitモデルの新たな拡張を考案した。 複数の実世界の水質データセットを用いて行われた実験は、複数の列を同時に推定することで、個別に推定するよりも大きな優位性が得られるという証拠となった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Monitoring microbiological behaviors in water is crucial to manage public health risk from waterborne pathogens, although quantifying the concentrations of microbiological organisms in water is still challenging because concentrations of many pathogens in water samples may often be below the quantification limit, producing censoring data. To enable statistical analysis based on quantitative values, the true values of non-detected measurements are required to be estimated with high precision. Tobit model is a well-known linear regression model for analyzing censored data. One drawback of the Tobit model is that only the target variable is allowed to be censored. In this study, we devised a novel extension of the classical Tobit model, called the \emph{multi-target Tobit model}, to handle multiple censored variables simultaneously by introducing multiple target variables. For fitting the new model, a numerical stable optimization algorithm was developed based on elaborate theories. Experiments conducted using several real-world water quality datasets provided an evidence that estimating multiple columns jointly gains a great advantage over estimating them separately.
• Abstract（参考訳）: 水中の微生物の挙動をモニタリングすることは、水上病原体からの公衆衛生リスクを管理するために重要であるが、水中の微生物生物の濃度を定量化することは依然として困難である。 定量値に基づく統計的解析を可能にするためには,非検出計測の真の値を高精度に推定する必要がある。 トビットモデルは、検閲されたデータを解析するためのよく知られた線形回帰モデルである。 tobitモデルの欠点のひとつは、ターゲット変数のみが検閲可能であることだ。 本研究では,複数のターゲット変数を導入して複数の検閲された変数を同時に扱うために,従来のTobitモデルの拡張である \emph{multi-target Tobit model を考案した。 新しいモデルに適合させるために、精巧な理論に基づく数値安定最適化アルゴリズムを開発した。 複数の実世界の水質データセットを用いて実施した実験は、複数のカラムを一緒に見積もることで、それらを別々に見積もる上で大きなアドバンテージが得られた。

関連論文リスト

• Unlearnable Examples Detection via Iterative Filtering [84.59070204221366]
  ディープニューラルネットワークは、データ中毒攻撃に弱いことが証明されている。 混合データセットから有毒なサンプルを検出することは極めて有益であり、困難である。 UE識別のための反復フィルタリング手法を提案する。
  論文  参考訳（メタデータ） (2024-08-15T13:26:13Z)
• Mutual Wasserstein Discrepancy Minimization for Sequential Recommendation [82.0801585843835]
  逐次リコメンデーションのためのMutual WasserStein差分最小化MSteinに基づく新しい自己教師型学習フレームワークを提案する。 また,ワッサーシュタイン離散度測定に基づく新しい学習損失を提案する。
  論文  参考訳（メタデータ） (2023-01-28T13:38:48Z)
• Short-term prediction of stream turbidity using surrogate data and a meta-model approach [0.0]
  本研究では,動的回帰(ARIMA),長期記憶ニューラルネット(LSTM),一般化付加モデル(GAM)を構築・比較し,ストリームの濁度を予測する。 我々は,異なる時間点における各モデルの強みを生かし,その長所を生かしたメタモデルを構築した。 以上の結果から,例えば水中照度などの温度および光関連変数は,費用対効果の高い濁度サロゲートとして期待できる可能性が示唆された。
  論文  参考訳（メタデータ） (2022-10-11T23:05:32Z)
• Building Robust Machine Learning Models for Small Chemical Science Data: The Case of Shear Viscosity [3.4761212729163313]
  我々はLennard-Jones (LJ)流体のせん断粘度を予測するために、いくつかの機械学習モデルを訓練する。 具体的には,モデル選択,性能評価,不確実性定量化に関する課題について検討した。
  論文  参考訳（メタデータ） (2022-08-23T07:33:14Z)
• Pseudo value-based Deep Neural Networks for Multi-state Survival Analysis [9.659041001051415]
  本稿では,多状態生存分析のための擬似値に基づくディープラーニングモデルを提案する。 提案するモデルでは,様々な検閲条件下で最先端の結果が得られた。
  論文  参考訳（メタデータ） (2022-07-12T03:58:05Z)
• Equivariance Allows Handling Multiple Nuisance Variables When Analyzing Pooled Neuroimaging Datasets [53.34152466646884]
  本稿では,構造空間上でインスタンス化された同変表現学習における最近の結果と,因果推論における古典的結果の簡易な利用が,いかに効果的に実現されたかを示す。 いくつかの仮定の下で、我々のモデルが複数のニュアンス変数を扱えることを実証し、そうでなければサンプルの大部分を取り除く必要のあるシナリオにおいて、プールされた科学データセットの分析を可能にする。
  論文  参考訳（メタデータ） (2022-03-29T04:54:06Z)
• Modeling High-Dimensional Data with Unknown Cut Points: A Fusion Penalized Logistic Threshold Regression [2.520538806201793]
  従来のロジスティック回帰モデルでは、リンク関数は線形で連続であると見なされることが多い。 我々は、全ての連続した特徴が順序レベルに離散化され、さらにバイナリ応答が決定されるしきい値モデルを考える。 糖尿病のような慢性疾患の早期発見と予知の問題において,ラッソモデルが好適であることが判明した。
  論文  参考訳（メタデータ） (2022-02-17T04:16:40Z)
• X-model: Improving Data Efficiency in Deep Learning with A Minimax Model [78.55482897452417]
  ディープラーニングにおける分類と回帰設定の両面でのデータ効率の向上を目標とする。 両世界の力を生かすために,我々は新しいX-モデルを提案する。 X-モデルは、特徴抽出器とタスク固有のヘッドの間でミニマックスゲームを行う。
  論文  参考訳（メタデータ） (2021-10-09T13:56:48Z)
• Flexible Model Aggregation for Quantile Regression [92.63075261170302]
  量子回帰は、予測の不確実性を定量化する必要性によって動機付けられた統計学習の基本的な問題である。 条件付き量子モデルの任意の数を集約する手法について検討する。 この論文で検討するモデルはすべて、現代のディープラーニングツールキットに適合します。
  論文  参考訳（メタデータ） (2021-02-26T23:21:16Z)
• A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
  ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。 また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
  論文  参考訳（メタデータ） (2020-06-08T19:24:54Z)
• Reducing complexity and unidentifiability when modelling human atrial cells [0.0]
  パラメータ推定に隠された不確実性は, 校正から実験データへの理解が不可欠である。 本研究では、ベイズ近似計算を用いて、既存の2つのヒト心房細胞モデルにおける4つのイオンチャネルのゲーティング速度を補正する。
  論文  参考訳（メタデータ） (2020-01-29T16:57:07Z)

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。