論文の概要: Likelihood-based inference and forecasting for trawl processes: a
stochastic optimization approach
- arxiv url: http://arxiv.org/abs/2308.16092v1
- Date: Wed, 30 Aug 2023 15:37:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-31 12:52:22.351403
- Title: Likelihood-based inference and forecasting for trawl processes: a
stochastic optimization approach
- Title(参考訳): トロール過程の様相に基づく推論と予測:確率的最適化アプローチ
- Authors: Dan Leonte, Almut E. D. Veraart
- Abstract要約: 実数値トロール過程を推定するための第1の可能性に基づく手法を開発した。
本稿では,新しい決定的および確率的予測手法を提案する。
トロールプロセスの大規模なクラスに適合するために使用可能なPythonライブラリをリリースしています。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We consider trawl processes, which are stationary and infinitely divisible
stochastic processes and can describe a wide range of statistical properties,
such as heavy tails and long memory. In this paper, we develop the first
likelihood-based methodology for the inference of real-valued trawl processes
and introduce novel deterministic and probabilistic forecasting methods. Being
non-Markovian, with a highly intractable likelihood function, trawl processes
require the use of composite likelihood functions to parsimoniously capture
their statistical properties. We formulate the composite likelihood estimation
as a stochastic optimization problem for which it is feasible to implement
iterative gradient descent methods. We derive novel gradient estimators with
variances that are reduced by several orders of magnitude. We analyze both the
theoretical properties and practical implementation details of these estimators
and release a Python library which can be used to fit a large class of trawl
processes. In a simulation study, we demonstrate that our estimators outperform
the generalized method of moments estimators in terms of both parameter
estimation error and out-of-sample forecasting error. Finally, we formalize a
stochastic chain rule for our gradient estimators. We apply the new theory to
trawl processes and provide a unified likelihood-based methodology for the
inference of both real-valued and integer-valued trawl processes.
- Abstract(参考訳): 定常かつ無限に分割可能な確率過程であるトロール過程を考察し、重み付きテールや長期記憶などの幅広い統計特性を記述することができる。
本稿では,実数値トラウル過程を推定する最初の可能性ベース手法を開発し,新しい決定論的・確率的予測法を提案する。
非マルコフ的であり、非常に難解な確率関数を持つので、トロール過程はそれらの統計的性質をパロニカルに捉えるために複合的確率関数を使用する必要がある。
本稿では, 逐次勾配降下法を適用可能な確率的最適化問題として, 合成確率推定を定式化する。
我々は、数桁の等級で減少する分散を持つ新しい勾配推定器を導出する。
我々は,これらの推定器の理論的特性と実装の詳細を解析し,多種多様なtrawlプロセスに適合するpythonライブラリをリリースする。
シミュレーション研究により,提案手法はパラメータ推定誤差とサンプル外予測誤差の両方において,一般化されたモーメント推定法を上回った。
最後に,勾配推定器に対する確率的連鎖則を定式化する。
新しい理論をtrawlプロセスに適用し、実数値と整数値の両方のtrawlプロセスを推論するための統一された帰納法を提供する。
関連論文リスト
- Iterative Methods for Full-Scale Gaussian Process Approximations for Large Spatial Data [9.913418444556486]
本稿では, FSAを用いた確率, 勾配, 予測分布の計算コストの削減に, 反復法をどのように利用できるかを示す。
また,推定法や反復法に依存する予測分散を計算する新しい,正確かつ高速な手法を提案する。
すべてのメソッドは、ハイレベルなPythonとRパッケージを備えたフリーのC++ソフトウェアライブラリで実装されている。
論文 参考訳(メタデータ) (2024-05-23T12:25:22Z) - Logistic-beta processes for dependent random probabilities with beta marginals [58.91121576998588]
本稿では,ロジスティック・ベータプロセスと呼ばれる新しいプロセスを提案する。
空間や時間などの離散領域と連続領域の両方への依存をモデル化でき、相関カーネルを通じて柔軟な依存構造を持つ。
本研究は,非パラメトリック二分回帰と条件密度推定の例による効果をシミュレーション研究と妊娠結果応用の両方で説明する。
論文 参考訳(メタデータ) (2024-02-10T21:41:32Z) - Bayesian Nonparametrics Meets Data-Driven Distributionally Robust Optimization [29.24821214671497]
機械学習と統計モデルのトレーニングは、しばしばデータ駆動型リスク基準の最適化を伴う。
ベイズ的非パラメトリック(ディリクレ過程)理論と、スムーズなあいまいさ-逆選好の最近の決定論的モデルを組み合わせた、新しいロバストな基準を提案する。
実用的な実装として、よく知られたディリクレプロセスの表現に基づいて、評価基準の抽出可能な近似を提案し、研究する。
論文 参考訳(メタデータ) (2024-01-28T21:19:15Z) - Sparse Variational Student-t Processes [8.46450148172407]
学生Tプロセスは、重い尾の分布とデータセットをアウトリーチでモデル化するために使用される。
本研究では,学生プロセスが現実のデータセットに対してより柔軟になるためのスパース表現フレームワークを提案する。
UCIとKaggleの様々な合成および実世界のデータセットに対する2つの提案手法の評価を行った。
論文 参考訳(メタデータ) (2023-12-09T12:55:20Z) - A Heavy-Tailed Algebra for Probabilistic Programming [53.32246823168763]
本稿では,確率変数の尾を解析するための体系的アプローチを提案する。
本稿では,確率型プログラミング言語コンパイラの静的解析(サンプル作成前)において,この手法をどのように利用できるかを示す。
実験結果から,重み付き代数を利用する推論アルゴリズムは,多数の密度モデリングおよび変分推論タスクにおいて優れた性能が得られることを確認した。
論文 参考訳(メタデータ) (2023-06-15T16:37:36Z) - Learning Unnormalized Statistical Models via Compositional Optimization [73.30514599338407]
実データと人工雑音のロジスティックな損失として目的を定式化することにより, ノイズコントラスト推定(NCE)を提案する。
本稿では,非正規化モデルの負の対数類似度を最適化するための直接的アプローチについて検討する。
論文 参考訳(メタデータ) (2023-06-13T01:18:16Z) - Semi-Parametric Inference for Doubly Stochastic Spatial Point Processes: An Approximate Penalized Poisson Likelihood Approach [3.085995273374333]
二重確率点過程は、ランダム強度関数の実現を前提とした不均一過程として空間領域上の事象の発生をモデル化する。
既存の二重確率空間モデルの実装は、計算的に要求され、しばしば理論的な保証が制限され、または制限的な仮定に依存している。
論文 参考訳(メタデータ) (2023-06-11T19:48:39Z) - A Tale of Sampling and Estimation in Discounted Reinforcement Learning [50.43256303670011]
割引平均推定問題に対して最小値の最小値を求める。
マルコフ過程の割引されたカーネルから直接サンプリングすることで平均を推定すると、説得力のある統計的性質が得られることを示す。
論文 参考訳(メタデータ) (2023-04-11T09:13:17Z) - Heavy-tailed Streaming Statistical Estimation [58.70341336199497]
ストリーミング$p$のサンプルから重み付き統計推定の課題を考察する。
そこで我々は,傾きの雑音に対して,よりニュアンスな条件下での傾きの傾きの低下を設計し,より詳細な解析を行う。
論文 参考訳(メタデータ) (2021-08-25T21:30:27Z) - MINIMALIST: Mutual INformatIon Maximization for Amortized Likelihood
Inference from Sampled Trajectories [61.3299263929289]
シミュレーションベースの推論は、その可能性が実際に計算できない場合でもモデルのパラメータを学習することができる。
あるクラスのメソッドは、異なるパラメータでシミュレートされたデータを使用して、確率とエビデンス比の償却推定器を推定する。
モデルパラメータとシミュレーションデータ間の相互情報の観点から,本手法が定式化可能であることを示す。
論文 参考訳(メタデータ) (2021-06-03T12:59:16Z) - New Algorithms And Fast Implementations To Approximate Stochastic
Processes [0.0]
モデリングプロセスの効率的な近似を求めるために,新しいアルゴリズムと高速な実装を提案する。
ゴールは常に有限モデルを見つけることであり、これは実際のデータプロセスに関する与えられた知識をできるだけ正確に表現するものである。
論文 参考訳(メタデータ) (2020-12-01T06:14:16Z)
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。