Fugu-MT 論文翻訳(概要): On the Identifiability of Markov Switching Models

論文の概要: On the Identifiability of Markov Switching Models

arxiv url: http://arxiv.org/abs/2305.15925v2
Date: Fri, 26 May 2023 12:22:24 GMT
ステータス: 処理完了
システム内更新日: 2023-05-29 10:30:01.038530
Title: On the Identifiability of Markov Switching Models
Title（参考訳）: マルコフスイッチングモデルの識別性について
Authors: Carles Balsells-Rodas, Yixin Wang and Yingzhen Li
Abstract要約: マルコフスイッチングモデルの同定可能性について,最新の結果から潜時連続変数モデルへの拡張に向けた第一歩として検討する。本実験は, 状態依存因果発見と高次元時系列分割へのアプローチの適用性を示す。
参考スコア（独自算出の注目度）: 34.23112995957625
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Identifiability of latent variable models has recently gained interest in terms of its applications to interpretability or out of distribution generalisation. In this work, we study identifiability of Markov Switching Models as a first step towards extending recent results to sequential latent variable models. We present identifiability conditions within first-order Markov dependency structures, and parametrise the transition distribution via non-linear Gaussians. Our experiments showcase the applicability of our approach for regime-dependent causal discovery and high-dimensional time series segmentation.
Abstract（参考訳）: 潜在変数モデルの識別可能性は最近、その解釈可能性や分布の一般化への応用において関心を集めている。本研究では,マルコフスイッチングモデルの同定可能性について,最近の結果を逐次潜在変数モデルに拡張するための第一歩として検討する。我々は,一階マルコフ依存構造内の同定可能性条件を示し,非線形ガウス的遷移分布をパラメトリゼーションする。実験では,システム依存因果発見と高次元時系列セグメンテーションへのアプローチの適用性を示す。

関連論文リスト

Identifiability Analysis of Linear ODE Systems with Hidden Confounders [45.14890063421295]
本稿では,隠れた共同設立者を組み込んだ線形ODEシステムにおける識別可能性の体系的解析について述べる。最初のケースでは、潜伏した共同設立者は因果関係を示さないが、その進化は特定の形態に固執する。その後、この分析を、隠れた共同創設者が因果依存性を示すシナリオにまで拡張する。
論文参考訳（メタデータ） (2024-10-29T10:15:56Z)
Identifiable Representation and Model Learning for Latent Dynamic Systems [0.0]
本稿では,潜在力学系における表現とモデル学習の問題について検討する。線形あるいはアフィン非線形潜在力学系に対して、スケーリングまでの表現を同定し、いくつかの単純な変換までモデルを決定できることを証明した。
論文参考訳（メタデータ） (2024-10-23T13:55:42Z)
A Poisson-Gamma Dynamic Factor Model with Time-Varying Transition Dynamics [51.147876395589925]
非定常PGDSは、基礎となる遷移行列が時間とともに進化できるように提案されている。後続シミュレーションを行うために, 完全共役かつ効率的なギブスサンプリング装置を開発した。実験により,提案した非定常PGDSは,関連するモデルと比較して予測性能が向上することを示した。
論文参考訳（メタデータ） (2024-02-26T04:39:01Z)
An Interventional Perspective on Identifiability in Gaussian LTI Systems with Independent Component Analysis [44.892642197610215]
ガウス線形時間不変 (LTI) システムでは, 多様な干渉信号を導入することで, システムパラメータを同定できることが示されている。隠れマルコフモデルと(ガウス) LTI 系が連続パラメータを持つコーサル・デ・フィネッティの定理を一般化することを示した。
論文参考訳（メタデータ） (2023-11-29T19:51:35Z)
Machine Learning for the identification of phase-transitions in interacting agent-based systems: a Desai-Zwanzig example [0.0]
本稿では,エージェントモデルに対する位相遷移を平均フィールド限界でピンポイントするデータ駆動フレームワークを提案する。この目的のために、多様体学習アルゴリズムであるマップを用いて、データ駆動潜在変数の相似集合を同定する。次に、深層学習フレームワークを用いて、データ駆動座標の共形再パラメータ化を求める。
論文参考訳（メタデータ） (2023-10-29T15:07:08Z)
Hybrid hidden Markov LSTM for short-term traffic flow prediction [0.0]
本稿では,交通データの相補的特徴を学習可能なハイブリッド隠れマルコフ-LSTMモデルを提案する。その結果,従来の手法と比較して,ハイブリッドアーキテクチャを用いた場合の大幅な性能向上が示唆された。
論文参考訳（メタデータ） (2023-07-11T00:56:44Z)
Score-based Causal Representation Learning with Interventions [54.735484409244386]
本稿では,潜在因果変数を間接的に観察する際の因果表現学習問題について検討する。目的は、 (i) 未知の線形変換(スケーリングまで)を回復し、 (ii) 潜在変数の下の有向非巡回グラフ(DAG)を決定することである。
論文参考訳（メタデータ） (2023-01-19T18:39:48Z)
Topographic VAEs learn Equivariant Capsules [84.33745072274942]
本稿では, 地理的に整理された潜伏変数を用いた深部生成モデルを効率的に学習するための新しい手法であるTopographic VAEを紹介する。このようなモデルでは,MNIST上での桁数クラス,幅,スタイルなどの健全な特徴に応じて,その活性化を組織化することが実際に学べることが示される。我々は、既存の群同変ニューラルネットワークの能力を拡張して、複素変換に近似した同値性を示す。
論文参考訳（メタデータ） (2021-09-03T09:25:57Z)
Estimation of Switched Markov Polynomial NARX models [75.91002178647165]
非線形自己回帰(NARX)成分を特徴とするハイブリッド力学系のモデル群を同定する。提案手法は, 特定の回帰器を持つ3つの非線形サブモデルからなるSMNARX問題に対して実証される。
論文参考訳（メタデータ） (2020-09-29T15:00:47Z)
Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable Dynamical Systems [74.80320120264459]
本研究では、限られた数の人間の実演からそのような動きを学ぶためのアプローチを提案する。複素運動は安定な力学系のロールアウトとして符号化される。このアプローチの有効性は、確立されたベンチマーク上での検証と、現実世界のロボットシステム上で収集されたデモによって実証される。
論文参考訳（メタデータ） (2020-05-27T03:51:57Z)

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。