論文の概要: Detecting Structural Shifts in Multivariate Hawkes Processes with Fréchet Statistics

• arxiv url: http://arxiv.org/abs/2308.06769v3
• Date: Wed, 22 Jan 2025 08:24:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-23 13:28:54.986856
• Title: Detecting Structural Shifts in Multivariate Hawkes Processes with Fréchet Statistics
• Title（参考訳）: フレシェ統計による多変量ホークプロセスの構造変化の検出
• Authors: Rui Luo, Vikram Krishnamurthy,
• Abstract要約: ネットワークのFr'echet統計量を用いた多変量ホークスプロセスにおける変化点検出のための新しい手法を提案する。 提案手法は点プロセス設定におけるFr'echet統計に関する以前の研究の拡張である。
• 参考スコア（独自算出の注目度）: 15.004064264384546
• License:
• Abstract: This paper proposes a new approach for change point detection in multivariate Hawkes processes using Fr\'echet statistic of a network. The method splits the point process into overlapping windows, estimates kernel matrices in each window, and reconstructs the signed Laplacians by treating the kernel matrices as the adjacency matrices of the causal network. We demonstrate the effectiveness of our method through experiments on both simulated and cryptocurrency datasets. Our results show that our method is capable of accurately detecting and characterizing changes in the causal structure of multivariate Hawkes processes, and may have potential applications in fields such as finance and neuroscience. The proposed method is an extension of previous work on Fr\'echet statistics in point process settings and represents an important contribution to the field of change point detection in multivariate point processes.
• Abstract（参考訳）: 本稿では,ネットワークのFr'echet統計量を用いた多変量ホークスプロセスにおける変化点検出のための新しい手法を提案する。 この方法は点過程を重なり合うウィンドウに分割し、各ウィンドウのカーネル行列を推定し、カーネル行列を因果ネットワークの隣接行列として扱い、署名されたラプラシアンを再構成する。 シミュレーションデータと暗号データの両方を用いた実験により,本手法の有効性を実証する。 本手法は,多変量ホークス過程の因果構造の変化を正確に検出し,特徴付けることができ,金融学や神経科学などの分野にも応用できる可能性が示唆された。 提案手法は点プロセス設定におけるFr'echet統計に関する以前の研究の拡張であり,多変量点プロセスにおける変化点検出の分野への重要な貢献を示す。

関連論文リスト

• Towards stable real-world equation discovery with assessing differentiating quality influence [52.2980614912553]
  一般的に用いられる有限差分法に代わる方法を提案する。 我々は,これらの手法を実問題と類似した問題に適用可能であること,および方程式発見アルゴリズムの収束性を確保する能力の観点から評価する。
  論文  参考訳（メタデータ） (2023-11-09T23:32:06Z)
• The Kernel Density Integral Transformation [0.0]
  本稿では,カーネル密度積分変換を特徴前処理のステップとして用いることを提案する。 提案手法は,2つの特徴前処理手法を限定事例として仮定する。 本稿では,カーネル密度変換を統計的データ解析に適用できることを示す。
  論文  参考訳（メタデータ） (2023-09-18T22:54:05Z)
• Scalable and adaptive variational Bayes methods for Hawkes processes [4.580983642743026]
  本稿では,スペーサ性誘導法を提案し,一般的なシグモイドホークスプロセスに対する適応平均場変動アルゴリズムを導出する。 我々のアルゴリズムは並列性があり、したがって高次元設定では計算効率がよい。
  論文  参考訳（メタデータ） (2022-12-01T05:35:32Z)
• MARS: Meta-Learning as Score Matching in the Function Space [79.73213540203389]
  本稿では,一連の関連するデータセットから帰納バイアスを抽出する手法を提案する。 機能的ベイズニューラルネットワーク推論を用いて、前者をプロセスとみなし、関数空間で推論を行う。 本手法は,データ生成プロセスのスコア関数をメタラーニングすることにより,複雑な事前知識をシームレスに獲得し,表現することができる。
  論文  参考訳（メタデータ） (2022-10-24T15:14:26Z)
• Invariant Causal Mechanisms through Distribution Matching [86.07327840293894]
  本研究では、因果的視点と不変表現を学習するための新しいアルゴリズムを提供する。 実験により,このアルゴリズムは様々なタスク群でうまく動作し,特にドメインの一般化における最先端のパフォーマンスを観察する。
  論文  参考訳（メタデータ） (2022-06-23T12:06:54Z)
• E-detectors: a nonparametric framework for sequential change detection [86.15115654324488]
  逐次的変化検出のための基本的かつ汎用的なフレームワークを開発する。 私たちの手順は、平均走行距離のクリーンで無症状な境界が伴います。 統計的および計算効率の両方を達成するために,これらの混合物を設計する方法を示す。
  論文  参考訳（メタデータ） (2022-03-07T17:25:02Z)
• Expert-Guided Symmetry Detection in Markov Decision Processes [0.0]
  MDP力学が不変である状態-作用空間の変換の存在を検出することを目的としたパラダイムを提案する。 その結果, 検出した対称性を用いて得られたデータを用いてデータセットを拡張した場合, モデル分布シフトが小さくなることがわかった。
  論文  参考訳（メタデータ） (2021-11-19T16:12:30Z)
• Row-clustering of a Point Process-valued Matrix [2.0391237204597363]
  本稿では,このような行列の対数ガウスコックス過程とクラスタ列をマークした行列について検討する。 点過程の関数主成分分析(FPCA)と組み合わせた半パラメトリック期待解(ES)アルゴリズムをモデル推定のために提案する。 提案手法の有効性をシミュレーション研究と実データ解析により実証した。
  論文  参考訳（メタデータ） (2021-10-04T06:27:26Z)
• Provably End-to-end Label-Noise Learning without Anchor Points [118.97592870124937]
  本稿では,アンカーポイントを使わずにラベルノイズ学習を実現するためのエンドツーエンドフレームワークを提案する。 提案フレームワークでは,クリーンなクラス後確率が十分に分散している場合,遷移行列を同定できる。
  論文  参考訳（メタデータ） (2021-02-04T03:59:37Z)
• A Kernel-Based Approach to Non-Stationary Reinforcement Learning in Metric Spaces [53.47210316424326]
  KeRNSは、非定常マルコフ決定過程におけるエピソード強化学習のためのアルゴリズムである。 我々は、状態-作用空間の被覆次元と時間とともにMDPの総変動にスケールする後悔境界を証明した。
  論文  参考訳（メタデータ） (2020-07-09T21:37:13Z)
• Latent Network Structure Learning from High Dimensional Multivariate Point Processes [5.079425170410857]
  本研究では,観測データの基盤となる複雑な過程を特徴付けるために,非定常ホークスプロセスの新たなクラスを提案する。 効率のよい最小二乗推定手法を用いて潜在ネットワーク構造を推定する。 シミュレーション研究を通じて提案手法の有効性を実証し, ニューロンスパイクトレインデータセットへの適用について述べる。
  論文  参考訳（メタデータ） (2020-04-07T17:48:01Z)

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。