Fugu-MT 論文翻訳(概要): On Consistency of Signature Using Lasso

論文の概要: On Consistency of Signature Using Lasso

arxiv url: http://arxiv.org/abs/2305.10413v4
Date: Thu, 28 Nov 2024 03:36:17 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-02 15:17:03.032993
Title: On Consistency of Signature Using Lasso
Title（参考訳）: ラッソを用いたシグナチャの一貫性について
Authors: Xin Guo, Binnan Wang, Ruixun Zhang, Chaoyi Zhao,
Abstract要約: 署名は連続および離散時間プロセスの反復経路積分である。本稿では,ラッソ回帰を用いたシグネチャの整合性について検討する。
参考スコア（独自算出の注目度）: 3.353842637850951
License:
Abstract: Signatures are iterated path integrals of continuous and discrete-time processes, and their universal nonlinearity linearizes the problem of feature selection in time series data analysis. This paper studies the consistency of signature using Lasso regression, both theoretically and numerically. We establish conditions under which the Lasso regression is consistent both asymptotically and in finite sample. Furthermore, we show that the Lasso regression is more consistent with the It\^o signature for time series and processes that are closer to the Brownian motion and with weaker inter-dimensional correlations, while it is more consistent with the Stratonovich signature for mean-reverting time series and processes. We demonstrate that signature can be applied to learn nonlinear functions and option prices with high accuracy, and the performance depends on properties of the underlying process and the choice of the signature.
Abstract（参考訳）: 符号は連続および離散時間プロセスの反復経路積分であり、その普遍非線形性は時系列データ解析における特徴選択の問題を線形化する。本稿では,ラッソ回帰を用いたシグネチャの整合性について理論的・数値的に検討する。我々は、ラッソ回帰が漸近的にも有限標本においても一貫した条件を確立する。さらに、ラッソ回帰は、ブラウン運動に近づき、次元間相関が弱い時系列や過程のイットオシグネチャとより整合性を示し、平均回帰時系列や過程のストラトノビッチシグネチャとより整合性を示す。非線形関数やオプション価格を高精度に学習するためにシグネチャを適用できることを示し,その性能は基礎となるプロセスの特性とシグネチャの選択に依存する。

関連論文リスト

SigDiffusions: Score-Based Diffusion Models for Long Time Series via Log-Signature Embeddings [3.801509221714223]
SigDiffusionは、データのログ署名で動作する新しい拡散モデルである。対数符号式から信号を取り出すため、我々は新しい閉形式反転式を提供する。 SigDiffusionとこれらの公式を組み合わせることで、非常に現実的な時系列生成が得られることを示す。
論文参考訳（メタデータ） (2024-06-14T18:04:06Z)
Universal randomised signatures for generative time series modelling [1.8434042562191815]
我々は、財務時系列データの生成モデルを導入するためにランダム化シグネチャを用いる。具体的には、離散時間ランダム化シグネチャに基づく新しいワッサーシュタイン型距離を提案する。次に、合成時系列データに対する非逆生成モデルにおける損失関数として、我々の測定値を用いる。
論文参考訳（メタデータ） (2024-06-14T17:49:29Z)
A Transformer Model for Boundary Detection in Continuous Sign Language [55.05986614979846]
Transformerモデルは、分離された手話認識と連続手話認識の両方に使用される。トレーニングプロセスは、入力されたビデオから抽出された手指キーポイントの特徴を豊かにする、孤立した手指ビデオを使用する。トレーニングされたモデルと後処理の手法が組み合わさって、連続した手話ビデオ内の孤立した手話境界を検出する。
論文参考訳（メタデータ） (2024-02-22T17:25:01Z)
Stochastic Approximation with Delayed Updates: Finite-Time Rates under Markovian Sampling [73.5602474095954]
マルコフサンプリングの遅延更新による近似スキームの非漸近的性能について検討した。我々の理論的な発見は、幅広いアルゴリズムの遅延の有限時間効果に光を当てた。
論文参考訳（メタデータ） (2024-02-19T03:08:02Z)
Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values [67.76168547245237]
本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
論文参考訳（メタデータ） (2024-01-11T10:10:16Z)
Temporal-spatial model via Trend Filtering [12.875863572064986]
本研究は、時間と空間の同時依存性を持つデータを対象とした非パラメトリック回帰関数の推定に焦点をあてる。トレンド・フィルタの研究で以前は知られていなかった一意の相転移現象が、我々の分析を通して現れる。
論文参考訳（メタデータ） (2023-08-30T17:50:00Z)
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)
Continuous Latent Process Flows [47.267251969492484]
任意の時間スタンプにおける連続時系列ダイナミクスの部分的な観察は多くの分野に存在する。このタイプのデータに連続力学を用いた統計モデルを適用することは、直感的なレベルで有望であるだけでなく、実用的な利点もある。微分方程式によって駆動される時間依存正規化フローを用いて、連続潜時プロセスを連続可観測プロセスに復号する原則的アーキテクチャである連続潜時プロセスフロー(CLPF)を用いて、これらの課題に取り組む。我々のアブレーション研究は、不規則な時間グリッド上での様々な推論タスクへの貢献の有効性を実証している。
論文参考訳（メタデータ） (2021-06-29T17:16:04Z)
Automatic Registration and Clustering of Time Series [7.822816087275812]
本稿では,クラスタリング問題における時系列自動アライメント手法を提案する。我々の手法であるTROUT(Optimal Unitary Transformations)を用いた時間的登録は,時系列間の新たな相同性尺度に基づいている。最適化の定式化に新しい尺度を組み込むことで、計算と統計のパフォーマンスの既知の利点を保ちます。
論文参考訳（メタデータ） (2020-12-08T21:51:21Z)
Path Imputation Strategies for Signature Models of Irregular Time Series [15.529424917192559]
不規則時系列データにシグネチャベースのニューラルネットを適用する際の様々な計算方法の影響について検討する。命令の選択が浅いシグネチャモデルに大きく影響を与えるのに対して、より深いアーキテクチャはより堅牢である。従来のGPアダプタを用いた不確実性認識訓練と比較しても,不確実性認識予測は予測性能に有益である。
論文参考訳（メタデータ） (2020-05-25T19:31:21Z)

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。