論文の概要: Modeling Events and Interactions through Temporal Processes -- A Survey

• arxiv url: http://arxiv.org/abs/2303.06067v2
• Date: Fri, 21 Jul 2023 11:40:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-24 16:07:42.067852
• Title: Modeling Events and Interactions through Temporal Processes -- A Survey
• Title（参考訳）: 時間的プロセスによるイベントとインタラクションのモデリング -- 調査
• Authors: Angelica Liguori, Luciano Caroprese, Marco Minici, Bruno Veloso, Francesco Spinnato, Mirco Nanni, Giuseppe Manco, Joao Gama
• Abstract要約: イベントモデリングの概念を改訂し、そのトピックに関する文献を特徴づける基盤を提供する。 各家族に対して,ディープラーニングに基づく既存のアプローチを体系的にレビューする。 提案手法が予測およびモデリングの側面に対処するためのシナリオを解析する。
• 参考スコア（独自算出の注目度）: 2.703218544805573
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In real-world scenario, many phenomena produce a collection of events that occur in continuous time. Point Processes provide a natural mathematical framework for modeling these sequences of events. In this survey, we investigate probabilistic models for modeling event sequences through temporal processes. We revise the notion of event modeling and provide the mathematical foundations that characterize the literature on the topic. We define an ontology to categorize the existing approaches in terms of three families: simple, marked, and spatio-temporal point processes. For each family, we systematically review the existing approaches based based on deep learning. Finally, we analyze the scenarios where the proposed techniques can be used for addressing prediction and modeling aspects.
• Abstract（参考訳）: 現実のシナリオでは、多くの現象が連続して起こる事象の集合を生み出す。 ポイントプロセスは、これらのイベントのシーケンスをモデル化するための自然な数学的フレームワークを提供する。 本研究では,時間過程を通じて事象列をモデル化する確率モデルについて検討する。 我々は、イベントモデリングの概念を改訂し、そのトピックに関する文献を特徴づける数学的基礎を提供する。 既存のアプローチを3つのファミリー(simple, marked, and spatio-temporal point process)で分類するためにオントロジーを定義する。 各家族に対して,ディープラーニングに基づく既存アプローチを体系的にレビューする。 最後に,提案手法が予測やモデリングの側面に応用できるシナリオを分析した。

関連論文リスト

• A Survey on Diffusion Models for Time Series and Spatio-Temporal Data [92.1255811066468]
  時系列およびS時間データにおける拡散モデルの使用について概観し、それらをモデル、タスクタイプ、データモダリティ、実用的なアプリケーションドメインで分類する。 我々は拡散モデルを無条件型と条件付き型に分類し、時系列とS時間データを別々に議論する。 本調査は,医療,レコメンデーション,気候,エネルギー,オーディオ,交通など,さまざまな分野の応用を幅広くカバーしている。
  論文  参考訳（メタデータ） (2024-04-29T17:19:40Z)
• On the Efficient Marginalization of Probabilistic Sequence Models [3.5897534810405403]
  この論文は、複雑な確率的クエリに答えるために自己回帰モデルを使うことに焦点を当てている。 我々は,モデルに依存しない逐次モデルにおいて,境界化のための新しい,効率的な近似手法のクラスを開発する。
  論文  参考訳（メタデータ） (2024-03-06T19:29:08Z)
• Probabilistic Modeling for Sequences of Sets in Continuous-Time [14.423456635520084]
  設定値データを連続的にモデリングするための一般的なフレームワークを開発する。 また,そのようなモデルを用いて確率的クエリに答える推論手法も開発している。
  論文  参考訳（メタデータ） (2023-12-22T20:16:10Z)
• Interacting Diffusion Processes for Event Sequence Forecasting [20.380620709345898]
  拡散生成モデルを組み込んだ新しい手法を提案する。 このモデルはシーケンス・ツー・シーケンスの予測を容易にし、過去のイベント・シーケンスに基づいた複数ステップの予測を可能にする。 提案手法は,TPPの長期予測において,最先端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） (2023-10-26T22:17:25Z)
• Inverse Dynamics Pretraining Learns Good Representations for Multitask Imitation [66.86987509942607]
  このようなパラダイムを模倣学習でどのように行うべきかを評価する。 本稿では,事前学習コーパスがマルチタスクのデモンストレーションから成り立つ環境について考察する。 逆動力学モデリングはこの設定に適していると主張する。
  論文  参考訳（メタデータ） (2023-05-26T14:40:46Z)
• Counterfactual Temporal Point Processes [18.37409880250174]
  我々は,Gumbel-Max構造因果モデルに基づく時間点過程のシンニングの因果モデルを構築した。 次に、与えられた代替強度関数の下で時間点過程の対実的実現をシミュレートする。
  論文  参考訳（メタデータ） (2021-11-15T08:46:25Z)
• On Contrastive Representations of Stochastic Processes [53.21653429290478]
  プロセスの表現を学習することは、機械学習の新たな問題である。 本手法は,周期関数,3次元オブジェクト,動的プロセスの表現の学習に有効であることを示す。
  論文  参考訳（メタデータ） (2021-06-18T11:00:24Z)
• Process Model Forecasting Using Time Series Analysis of Event Sequence Data [0.23099144596725568]
  過去のイベントデータからプロセスモデル全体を予測する手法を開発しています。 本実装は,実世界のイベントログデータに対する手法の精度を示す。
  論文  参考訳（メタデータ） (2021-05-03T18:00:27Z)
• A Multi-Channel Neural Graphical Event Model with Negative Evidence [76.51278722190607]
  イベントデータセットは、タイムライン上で不規則に発生するさまざまなタイプのイベントのシーケンスである。 基礎となる強度関数を推定するために,非パラメトリックディープニューラルネットワーク手法を提案する。
  論文  参考訳（メタデータ） (2020-02-21T23:10:50Z)
• How Far are We from Effective Context Modeling? An Exploratory Study on Semantic Parsing in Context [59.13515950353125]
  文法に基づく意味解析を行い,その上に典型的な文脈モデリング手法を適用する。 我々は,2つの大きなクロスドメインデータセットに対して,13のコンテキストモデリング手法を評価した。
  論文  参考訳（メタデータ） (2020-02-03T11:28:10Z)
• A Comprehensive Study on Temporal Modeling for Online Action Detection [50.558313106389335]
  オンライン行動検出(OAD)は実用的だが難しい課題であり、近年注目を集めている。 本稿では,4種類の時間的モデリング手法を含むOADの時間的モデリングに関する総合的研究を提案する。 本稿では,THUMOS-14 と TVSeries に対して,近年の最先端手法よりも大きなマージンを有するハイブリッド時間モデルを提案する。
  論文  参考訳（メタデータ） (2020-01-21T13:12:58Z)

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。