Fugu-MT 論文翻訳(概要): On tracking varying bounds when forecasting bounded time series

論文の概要: On tracking varying bounds when forecasting bounded time series

arxiv url: http://arxiv.org/abs/2306.13428v1
Date: Fri, 23 Jun 2023 10:44:49 GMT
ステータス: 処理完了
システム内更新日: 2023-06-26 13:08:22.567058
Title: On tracking varying bounds when forecasting bounded time series
Title（参考訳）: 有界時系列予測時の変動境界の追従について
Authors: Amandine Pierrot and Pierre Pinson
Abstract要約: 我々は、有界なランダム変数が時間とともに変化する未観測のバウンダリを持つ新しいフレームワークを考える。本稿では,オンラインの有界確率推定を行うために,ログライクな推定手法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We consider a new framework where a continuous, though bounded, random variable has unobserved bounds that vary over time. In the context of univariate time series, we look at the bounds as parameters of the distribution of the bounded random variable. We introduce an extended log-likelihood estimation and design algorithms to track the bound through online maximum likelihood estimation. Since the resulting optimization problem is not convex, we make use of recent theoretical results on Normalized Gradient Descent (NGD) for quasiconvex optimization, to eventually derive an Online Normalized Gradient Descent algorithm. We illustrate and discuss the workings of our approach based on both simulation studies and a real-world wind power forecasting problem.
Abstract（参考訳）: 連続的だが有界なランダム変数が時間とともに変化する未観測境界を持つ新しいフレームワークを考える。一変量時系列の文脈では、有界確率変数の分布のパラメータとして境界を考える。本稿では,オンライン最大確率推定の限界を追跡するための拡張ログ類似度推定と設計アルゴリズムを提案する。その結果得られる最適化問題は凸ではないため、準凸最適化のための正規化勾配降下(ngd)に関する最近の理論結果を利用して、最終的にオンライン正規化勾配降下アルゴリズムを導出する。シミュレーション研究と実世界の風力予測問題の両方に基づいて,提案手法の動作を解説し,議論する。

関連論文リスト

Interacting Particle Langevin Algorithm for Maximum Marginal Likelihood Estimation [2.53740603524637]
我々は,最大限界推定法を実装するための相互作用粒子系のクラスを開発する。特に、この拡散の定常測度のパラメータ境界がギブス測度の形式であることを示す。特定の再スケーリングを用いて、このシステムの幾何学的エルゴディディティを証明し、離散化誤差を限定する。時間的に一様で、粒子の数で増加しない方法で。
論文参考訳（メタデータ） (2023-03-23T16:50:08Z)
Accelerated First-Order Optimization under Nonlinear Constraints [73.2273449996098]
我々は、制約付き最適化のための一階アルゴリズムと非滑らかなシステムの間で、新しい一階アルゴリズムのクラスを設計する。これらのアルゴリズムの重要な性質は、制約がスパース変数の代わりに速度で表されることである。
論文参考訳（メタデータ） (2023-02-01T08:50:48Z)
Accelerated and instance-optimal policy evaluation with linear function approximation [17.995515643150657]
既存のアルゴリズムはこれらの下界の少なくとも1つと一致しない。我々は,両下界を同時に一致させる高速時間差分アルゴリズムを開発し,インスタンス最適性という強い概念を実現する。
論文参考訳（メタデータ） (2021-12-24T17:21:04Z)
Differentiable Annealed Importance Sampling and the Perils of Gradient Noise [68.44523807580438]
Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
論文参考訳（メタデータ） (2021-07-21T17:10:14Z)
Distributed stochastic optimization with large delays [59.95552973784946]
大規模最適化問題を解決する最も広く使われている手法の1つは、分散非同期勾配勾配(DASGD)である。 DASGDは同じ遅延仮定の下で大域的最適実装モデルに収束することを示す。
論文参考訳（メタデータ） (2021-07-06T21:59:49Z)
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)
Stochastic Gradient Langevin with Delayed Gradients [29.6870062491741]
本研究では,計算に用いた遅延勾配情報による誤差が測定値の収束率に有意な影響を及ぼさないことを示す。計算に用いた遅延勾配情報による誤差は, 測定値の収束率に有意な影響を与えず, ウォールクロック時間における高速化の可能性が示唆された。
論文参考訳（メタデータ） (2020-06-12T17:51:30Z)
Online Stochastic Convex Optimization: Wasserstein Distance Variation [15.313864176694832]
滑らかな凸関数の期待値の最小値を追跡するためのオンライン近勾配法について検討する。システムや制御文献にインスパイアされた推定・追跡誤差の概念を再考する。我々は、強い凸性、勾配のリプシッツ性、確率分布のドリフトに対する境界を与える。
論文参考訳（メタデータ） (2020-06-02T05:23:22Z)
Online Convex Optimization with Binary Constraints [0.04170934882758551]
2値決定変数と凸損失関数を用いたオンライン最適化について検討する。我々は、新しいアルゴリズム、バイナリオンライン勾配降下(bOGD)を設計し、その期待された動的後悔を束縛する。需要応答に基づく複数のシミュレーションでbOGDの性能を検証した。
論文参考訳（メタデータ） (2020-05-05T15:09:26Z)
Is Temporal Difference Learning Optimal? An Instance-Dependent Analysis [102.29671176698373]
我々は、割引決定過程における政策評価の問題に対処し、生成モデルの下で、ll_infty$errorに対するマルコフに依存した保証を提供する。我々は、ポリシー評価のために、局所ミニマックス下限の両漸近バージョンと非漸近バージョンを確立し、アルゴリズムを比較するためのインスタンス依存ベースラインを提供する。
論文参考訳（メタデータ） (2020-03-16T17:15:28Z)
Time-varying Gaussian Process Bandit Optimization with Non-constant Evaluation Time [93.6788993843846]
非定常評価時間を効果的に処理できる新しい時間変化ベイズ最適化アルゴリズムを提案する。我々の限界は、評価時間列のパターンが問題の難易度に大きな影響を与えることを決定づける。
論文参考訳（メタデータ） (2020-03-10T13:28:33Z)

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。