論文の概要: Optimal Sampling Designs for Multi-dimensional Streaming Time Series
with Application to Power Grid Sensor Data
- arxiv url: http://arxiv.org/abs/2303.08242v1
- Date: Tue, 14 Mar 2023 21:26:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-16 15:33:36.571838
- Title: Optimal Sampling Designs for Multi-dimensional Streaming Time Series
with Application to Power Grid Sensor Data
- Title(参考訳): 多次元ストリーミング時系列の最適サンプリング設計と電力グリッドセンサデータへの応用
- Authors: Rui Xie, Shuyang Bai and Ping Ma
- Abstract要約: 多次元ストリーミング時系列におけるデータ依存型サンプル選択とオンライン推論問題について検討する。
実験設計におけるD-Optimality criterionに着想を得て,オンラインデータ削減手法のクラスを提案する。
最適解はベルヌーイサンプリングとスコアサンプリングを混合した戦略であることを示す。
- 参考スコア(独自算出の注目度): 4.891140022708977
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The Internet of Things (IoT) system generates massive high-speed temporally
correlated streaming data and is often connected with online inference tasks
under computational or energy constraints. Online analysis of these streaming
time series data often faces a trade-off between statistical efficiency and
computational cost. One important approach to balance this trade-off is
sampling, where only a small portion of the sample is selected for the model
fitting and update. Motivated by the demands of dynamic relationship analysis
of IoT system, we study the data-dependent sample selection and online
inference problem for a multi-dimensional streaming time series, aiming to
provide low-cost real-time analysis of high-speed power grid electricity
consumption data. Inspired by D-optimality criterion in design of experiments,
we propose a class of online data reduction methods that achieve an optimal
sampling criterion and improve the computational efficiency of the online
analysis. We show that the optimal solution amounts to a strategy that is a
mixture of Bernoulli sampling and leverage score sampling. The leverage score
sampling involves auxiliary estimations that have a computational advantage
over recursive least squares updates. Theoretical properties of the auxiliary
estimations involved are also discussed. When applied to European power grid
consumption data, the proposed leverage score based sampling methods outperform
the benchmark sampling method in online estimation and prediction. The general
applicability of the sampling-assisted online estimation method is assessed via
simulation studies.
- Abstract(参考訳): モノのインターネット(IoT)システムは、時間的に相関した巨大な高速なストリーミングデータを生成し、しばしば計算やエネルギーの制約の下でオンライン推論タスクと結びついている。
これらのストリーミング時系列データのオンライン分析は、しばしば統計効率と計算コストのトレードオフに直面します。
このトレードオフのバランスをとるための重要なアプローチはサンプリングであり、モデルの適合と更新のためにサンプルのごく一部だけを選択する。
本研究は,IoTシステムの動的関係解析の要求により,多次元ストリーミング時系列におけるデータ依存型サンプル選択とオンライン推論問題について検討し,高速電力グリッド電力消費データの低コストリアルタイム分析を提供することを目的とする。
実験設計におけるd-optimality criterionに着想を得て,最適サンプリング基準を達成し,オンライン解析の計算効率を向上させるオンラインデータ低減手法を提案する。
最適解はベルヌーイサンプリングとスコアサンプリングを混合した戦略であることを示す。
レバレッジスコアサンプリングは、再帰的最小二乗更新よりも計算上有利な補助的な推定を含む。
関連する補助推定の理論的性質についても考察する。
ヨーロッパの電力グリッド消費データに適用すると,オンライン推定と予測において,スコアベースサンプリング手法がベンチマークサンプリング法を上回っている。
サンプリング支援オンライン推定法の適用性をシミュレーション研究により評価した。
関連論文リスト
- Reinforced Approximate Exploratory Data Analysis [7.974685452145769]
まず,対話型データ探索環境におけるサンプリングの影響について検討し,近似誤差を導入する。
本稿では, サンプル選択を最適化し, 分析および洞察フローの持続性を維持するための, 深層強化学習(DRL)に基づくフレームワークを提案する。
論文 参考訳(メタデータ) (2022-12-12T20:20:22Z) - Design and Prototyping Distributed CNN Inference Acceleration in Edge
Computing [85.74517957717363]
HALPはエッジコンピューティングにおけるエッジデバイス(ED)間のシームレスなコラボレーションを設計することで推論を加速する。
実験により、分散推論HALPはVGG-16に対して1.7倍の推論加速を達成することが示された。
分散推論HALPを用いたモデル選択は,サービスの信頼性を著しく向上させることができる。
論文 参考訳(メタデータ) (2022-11-24T19:48:30Z) - Probabilistic Time Series Forecasting for Adaptive Monitoring in Edge
Computing Environments [0.06999740786886537]
本稿では,重要なインフラをモニタリングするためのサンプリングベースおよびクラウドロケーションアプローチを提案する。
公開されているストリーミングデータセット上で,モニタリングパイプラインのプロトタイプ実装を評価した。
論文 参考訳(メタデータ) (2022-11-24T17:35:14Z) - Estimating Task Completion Times for Network Rollouts using Statistical
Models within Partitioning-based Regression Methods [0.01841601464419306]
本稿では,通信ネットワークのロールアウト計画問題に対するデータと機械学習に基づく予測ソリューションを提案する。
マイルストーン完了時間の履歴データを使用することで、モデルはドメイン知識を取り入れ、ノイズを処理し、プロジェクトマネージャに解釈できる必要があります。
本稿では,各パーティションにデータ駆動統計モデルを組み込んだ分割型回帰モデルを提案する。
論文 参考訳(メタデータ) (2022-11-20T04:28:12Z) - Performance Optimization for Variable Bitwidth Federated Learning in
Wireless Networks [103.22651843174471]
本稿では,モデル量子化による統合学習(FL)における無線通信と計算効率の向上について考察する。
提案したビット幅FLスキームでは、エッジデバイスがローカルFLモデルパラメータの量子化バージョンを調整し、コーディネートサーバに送信する。
目的は、局所的なFLモデルの量子化に使用されるビット幅と、各イテレーションでFLトレーニングに参加するデバイスセットを共同で決定することである。
論文 参考訳(メタデータ) (2022-09-21T08:52:51Z) - Data efficient reinforcement learning and adaptive optimal perimeter
control of network traffic dynamics [0.0]
本研究は、適応最適周波制御のためのマクロトラフィックダイナミクスの学習のための積分強化学習(IRL)に基づくアプローチを提案する。
サンプリングの複雑さを低減し、利用可能なデータをより効率的に利用するために、IRLアルゴリズムに経験再生(ER)技術を導入している。
IRLに基づくアルゴリズムの収束と制御された交通力学の安定性は、リャプノフ理論によって証明される。
論文 参考訳(メタデータ) (2022-09-13T04:28:49Z) - Statistical Inference After Adaptive Sampling in Non-Markovian
Environments [9.468593929311867]
モバイルヘルスや教育などのデジタルアプリケーションにおける介入をリアルタイムにパーソナライズするために,強化学習(RL)やバンディットアルゴリズムなどの適応的サンプリング手法を利用したい,という大きな願望がある。
このようなアルゴリズムが実際により広く使われるのを防ぐ大きな障害は、結果として収集されたデータが推論された質問に答えられるという保証の欠如である。
このようなデータに対する統計的推測の現在の手法は、環境力学に関する強い仮定を行うため不十分である。
論文 参考訳(メタデータ) (2022-02-14T23:48:13Z) - On Effective Scheduling of Model-based Reinforcement Learning [53.027698625496015]
実データ比率を自動的にスケジュールするAutoMBPOというフレームワークを提案する。
本稿ではまず,政策訓練における実データの役割を理論的に分析し,実際のデータの比率を徐々に高めれば,より優れた性能が得られることを示唆する。
論文 参考訳(メタデータ) (2021-11-16T15:24:59Z) - Deep Cellular Recurrent Network for Efficient Analysis of Time-Series
Data with Spatial Information [52.635997570873194]
本研究では,空間情報を用いた複雑な多次元時系列データを処理するための新しいディープセルリカレントニューラルネットワーク(DCRNN)アーキテクチャを提案する。
提案するアーキテクチャは,文献に比較して,学習可能なパラメータをかなり少なくしつつ,最先端の性能を実現している。
論文 参考訳(メタデータ) (2021-01-12T20:08:18Z) - Straggler-Resilient Federated Learning: Leveraging the Interplay Between
Statistical Accuracy and System Heterogeneity [57.275753974812666]
フェデレーション学習は、データをローカルに保持しながら、クライアントのネットワークに分散したデータサンプルから学習する。
本稿では,学習手順を高速化するために,クライアントデータの統計的特徴を取り入れてクライアントを適応的に選択する,ストラグラー・レジリエントなフェデレーション学習手法を提案する。
論文 参考訳(メタデータ) (2020-12-28T19:21:14Z) - A Generative Learning Approach for Spatio-temporal Modeling in Connected
Vehicular Network [55.852401381113786]
本稿では,コネクテッドカーの無線アクセス遅延を実現するための総合的時間品質フレームワークであるLaMI(Latency Model Inpainting)を提案する。
LaMIはイメージインペイントと合成のアイデアを採用し、2段階の手順で欠落したレイテンシサンプルを再構築することができる。
特に、パッチ方式のアプローチを用いて各地域で収集されたサンプル間の空間的相関を初めて発見し、その後、原点および高度に相関したサンプルをバラエナオートコーダ(VAE)に供給する。
論文 参考訳(メタデータ) (2020-03-16T03:43:59Z)
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。