論文の概要: On Consistency of Signatures Using Lasso
- arxiv url: http://arxiv.org/abs/2305.10413v2
- Date: Wed, 24 May 2023 17:59:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-26 01:05:15.165024
- Title: On Consistency of Signatures Using Lasso
- Title(参考訳): Lassoを用いた署名の一貫性について
- Authors: Xin Guo, Ruixun Zhang, Chaoyi Zhao
- Abstract要約: 本稿では,シグネチャ変換におけるラッソ回帰の整合性問題を再検討する。
我々の研究は、ブラウン運動に近いプロセスや時系列や、より弱い次元間相関を持つランダムウォークに対して、ラッソ回帰はイオ積分によって定義されるシグネチャに対してより一貫性があることを示している。
- 参考スコア(独自算出の注目度): 6.657926427636247
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Signature transforms are iterated path integrals of continuous and
discrete-time time series data, and their universal nonlinearity linearizes the
problem of feature selection. This paper revisits the consistency issue of
Lasso regression for the signature transform, both theoretically and
numerically. Our study shows that, for processes and time series that are
closer to Brownian motion or random walk with weaker inter-dimensional
correlations, the Lasso regression is more consistent for their signatures
defined by It\^o integrals; for mean reverting processes and time series, their
signatures defined by Stratonovich integrals have more consistency in the Lasso
regression. Our findings highlight the importance of choosing appropriate
definitions of signatures and stochastic models in statistical inference and
machine learning.
- Abstract(参考訳): シグネチャ変換は連続および離散時間時系列データの反復経路積分であり、それらの普遍非線形性は特徴選択の問題を線形化する。
本稿では,シグネチャ変換のラッソ回帰の整合性問題を理論的および数値的に再検討する。
本研究は, ブラウン運動に近い過程やランダムウォークにおいて, ラスソ回帰は, it\^o積分で定義されるそれらのシグネチャに対してより一貫性があり, 平均反転過程と時系列では, ストラトノヴィッチ積分で定義されるシグネチャがラスソ回帰においてより一貫性を持つことを示す。
本研究は,統計的推論と機械学習において,シグネチャと確率モデルの適切な定義を選択することの重要性を強調した。
関連論文リスト
- Time-series Generation by Contrastive Imitation [87.51882102248395]
モーメントマッチングの目的によってモチベーションされ、複合的エラーを軽減し、局所的(しかし前方的な)遷移ポリシーを最適化する。
推論において、学習されたポリシーは反復的なサンプリングのジェネレータとして機能し、学習されたエネルギーはサンプルの品質を評価するための軌道レベル尺度として機能する。
論文 参考訳(メタデータ) (2023-11-02T16:45:25Z) - TACTiS-2: Better, Faster, Simpler Attentional Copulas for Multivariate
Time Series [59.97020360721152]
パウラ理論に基づいて,最近導入された注目パウラ(TACTiS)の簡易な目的を提案する。
結果から,実世界の予測タスクにまたがって,このモデルのトレーニング性能が大幅に向上し,最先端のパフォーマンスが達成できることが示唆された。
論文 参考訳(メタデータ) (2023-10-02T16:45:19Z) - Efficient Interpretable Nonlinear Modeling for Multiple Time Series [5.448070998907116]
本稿では,複数時系列に対する効率的な非線形モデリング手法を提案する。
異なる時系列変数間の非線形相互作用を含む。
実験結果から,提案アルゴリズムは相似的にVAR係数の支持値の同定を改善することが示された。
論文 参考訳(メタデータ) (2023-09-29T11:42:59Z) - Persistence-Based Discretization for Learning Discrete Event Systems
from Time Series [50.591267188664666]
Persistは、永続化スコアと呼ばれるスコアを使用して永続的なシンボルを作成するための離散化手法である。
パーシステンススコアで用いられる計量であるクルバック・リーブラーの発散をワッサーシュタイン距離に置き換える。
実験により、改善された永続化スコアは、パーシストが元の時系列の情報を取得する能力を高めることが示されている。
論文 参考訳(メタデータ) (2023-01-12T14:10:30Z) - Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。
条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。
提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
論文 参考訳(メタデータ) (2022-11-30T05:33:29Z) - Deterministic Decoupling of Global Features and its Application to Data
Analysis [0.0]
部分多様体上の変換の定義に基づく新しい定式化を提案する。
これらの変換を通じて正規化を定義し、それを実証することで、微分可能な特徴を分離することができる。
本手法を,グローバルな記述子に基づく回帰・分類問題に対して,元のデータ領域とフィルタバンクの出力に適用する。
論文 参考訳(メタデータ) (2022-07-05T15:54:39Z) - Learning Iterative Robust Transformation Synchronization [71.73273007900717]
グラフニューラルネットワーク(GNN)を用いて変換同期を学習することを提案する。
本研究では、ロバストな損失関数のハンドクラフトを回避するとともに、グラフニューラルネットワーク(GNN)を用いて変換同期を学習することを提案する。
論文 参考訳(メタデータ) (2021-11-01T07:03:14Z) - Uniform Consistency in Nonparametric Mixture Models [12.382836502781258]
非パラメトリック混合モデルと混合回帰モデルにおける一様整合性について検討する。
混合回帰の場合、回帰関数の$L1$収束を証明し、成分回帰関数を任意に交わすことができる。
論文 参考訳(メタデータ) (2021-08-31T17:53:52Z) - The Connection between Discrete- and Continuous-Time Descriptions of
Gaussian Continuous Processes [60.35125735474386]
我々は、一貫した推定子をもたらす離散化が粗粒化下での不変性を持つことを示す。
この結果は、導関数再構成のための微分スキームと局所時間推論アプローチの組み合わせが、2次または高次微分方程式の時系列解析に役立たない理由を説明する。
論文 参考訳(メタデータ) (2021-01-16T17:11:02Z) - Recyclable Gaussian Processes [0.0]
ガウス過程に対する独立な変分近似をリサイクルするための新しい枠組みを提案する。
主な貢献は、ガウス過程の辞書が与えられた変分アンサンブルの構築である。
私たちのフレームワークは回帰、分類、異種タスクを可能にします。
論文 参考訳(メタデータ) (2020-10-06T09:01:55Z) - Generalisation error in learning with random features and the hidden
manifold model [23.71637173968353]
合成データセットの一般線形回帰と分類について検討した。
我々は,高次元構造を考察し,統計物理学からのレプリカ法を用いる。
閾値をピークとしたロジスティック回帰のためのいわゆる二重降下挙動を得る方法を示す。
隠れ多様体モデルにより生成されたデータにおいて相関関係が果たす役割について論じる。
論文 参考訳(メタデータ) (2020-02-21T14:49:41Z)
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。