論文の概要: Lag selection and estimation of stable parameters for multiple autoregressive processes through convex programming

• arxiv url: http://arxiv.org/abs/2303.02114v1
• Date: Fri, 3 Mar 2023 17:57:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-06 13:52:38.044363
• Title: Lag selection and estimation of stable parameters for multiple autoregressive processes through convex programming
• Title（参考訳）: 凸プログラミングによる複数自己回帰過程のラグ選択と安定パラメータの推定
• Authors: Somnath Chakraborty and Johannes Lederer and Rainer von Sachs
• Abstract要約: 我々は、未知のラグを共有する複数の安定した自己回帰プロセスを考える。 異なるプロセスにまたがる情報を用いて、同時にラグを選択し、パラメータを推定します。 我々のラグ選択と安定性に関する洞察は、個別の自己回帰過程においても興味深い。
• 参考スコア（独自算出の注目度）: 1.2891210250935146
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Motivated by a variety of applications, high-dimensional time series have become an active topic of research. In particular, several methods and finite-sample theories for individual stable autoregressive processes with known lag have become available very recently. We, instead, consider multiple stable autoregressive processes that share an unknown lag. We use information across the different processes to simultaneously select the lag and estimate the parameters. We prove that the estimated process is stable, and we establish rates for the forecasting error that can outmatch the known rate in our setting. Our insights on the lag selection and the stability are also of interest for the case of individual autoregressive processes.
• Abstract（参考訳）: 様々な応用に動機づけられた高次元時系列は、研究の活発な話題となっている。 特に、既知のラグを持つ個々の安定自己回帰過程に対するいくつかの方法と有限サンプル理論が最近利用可能になっている。 代わりに、未知の遅延を共有する複数の安定した自己回帰プロセスを考えます。 異なるプロセスにまたがる情報を用いて、同時にラグを選択し、パラメータを推定します。 推定過程が安定であることを証明するとともに,我々の設定において既知の速度を上回り得る予測誤差の率を確立する。 遅延選択と安定性に関する私たちの洞察は、個々の自己回帰的プロセスの場合にも興味深いものです。

関連論文リスト

• Point processes with event time uncertainty [16.64005584511643]
  ネットワーク上での時間不確実なポイントプロセスのモデル化のためのフレームワークを導入する。 提案手法は,シミュレーションおよび実データに基づく従来のジェネラル線形モデル(GLM)の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） (2024-11-05T00:46:09Z)
• On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
  時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。 ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。 我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-24T08:08:05Z)
• Adversarial Schrödinger Bridge Matching [66.39774923893103]
  反復マルコフフィッティング(IMF)手順は、マルコフ過程の相互射影と相互射影を交互に交互に行う。 本稿では、プロセスの学習を離散時間でほんの少しの遷移確率の学習に置き換える新しい離散時間IMF(D-IMF)手順を提案する。 D-IMFの手続きは、数百ではなく数世代のステップで、IMFと同じ品質の未完成のドメイン翻訳を提供できることを示す。
  論文  参考訳（メタデータ） (2024-05-23T11:29:33Z)
• Lag Selection for Univariate Time Series Forecasting using Deep Learning: An Empirical Study [0.393259574660092]
  我々は、グローバルアプローチで訓練されたディープラーニング手法、すなわち、複数の単変量時系列からなるデータセットに焦点を当てる。 その結果,ラグサイズは正確な予測のパラメータであることがわかった。 クロスバリデーションアプローチは、ラグ選択に最適なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2024-05-18T09:31:54Z)
• Logistic-beta processes for dependent random probabilities with beta marginals [58.91121576998588]
  本稿では,ロジスティック・ベータプロセスと呼ばれる新しいプロセスを提案する。 空間や時間などの離散領域と連続領域の両方への依存をモデル化でき、相関カーネルを通じて柔軟な依存構造を持つ。 本研究は,非パラメトリック二分回帰と条件密度推定の例による効果をシミュレーション研究と妊娠結果応用の両方で説明する。
  論文  参考訳（メタデータ） (2024-02-10T21:41:32Z)
• Hawkes Processes with Delayed Granger Causality [9.664517084506718]
  多変量ホークスプロセスに基づく遅延グランガー因果効果を明示的にモデル化する。 時間ラグの後方分布を推測し、この分布が様々なシナリオでどのように変化するかを理解する。 我々は,合成データと実データに基づいて,我々のモデルの事象予測と時間ラグ推定精度を実証的に評価した。
  論文  参考訳（メタデータ） (2023-08-11T12:43:43Z)
• Numerical Methods for Convex Multistage Stochastic Optimization [86.45244607927732]
  最適化プログラミング(SP)、最適制御(SOC)、決定プロセス(MDP)に焦点を当てる。 凸多段マルコフ問題の解決の最近の進歩は、動的プログラミング方程式のコスト対ゴー関数の切断面近似に基づいている。 切削平面型法は多段階問題を多段階的に扱えるが、状態(決定)変数は比較的少ない。
  論文  参考訳（メタデータ） (2023-03-28T01:30:40Z)
• Numerically Stable Sparse Gaussian Processes via Minimum Separation using Cover Trees [57.67528738886731]
  誘導点に基づくスケーラブルスパース近似の数値安定性について検討する。 地理空間モデリングなどの低次元タスクに対しては,これらの条件を満たす点を自動計算する手法を提案する。
  論文  参考訳（メタデータ） (2022-10-14T15:20:17Z)
• Benign Overfitting in Time Series Linear Model with Over-Parameterization [5.68558935178946]
  複数の依存型に基づく推定器の過大なリスクの理論を考案する。 短期記憶プロセスにおけるリスクの収束率は、独立データの場合と同一であることを示す。
  論文  参考訳（メタデータ） (2022-04-18T15:26:58Z)
• An Improved Online Penalty Parameter Selection Procedure for $\ell_1$-Penalized Autoregressive with Exogenous Variables [1.472161528588343]
  ラッソは規則化と特徴選択を提供するのに役立ちます。 時間依存を尊重する最も一般的なペナルティパラメータ選択アプローチは、非常に計算集約的である。 本稿では,新しいオンラインペナルティパラメータ選択手法による標準時系列モデルの強化を提案する。
  論文  参考訳（メタデータ） (2020-10-15T08:32:27Z)
• Transformer Hawkes Process [79.16290557505211]
  本稿では,長期的依存関係を捕捉する自己認識機構を利用したTransformer Hawkes Process (THP) モデルを提案する。 THPは、有意なマージンによる可能性と事象予測の精度の両方の観点から、既存のモデルより優れている。 本稿では、THPが関係情報を組み込む際に、複数の点過程を学習する際の予測性能の改善を実現する具体例を示す。
  論文  参考訳（メタデータ） (2020-02-21T13:48:13Z)

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。