論文の概要: Reducing sequential change detection to sequential estimation
- arxiv url: http://arxiv.org/abs/2309.09111v1
- Date: Sat, 16 Sep 2023 23:48:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-19 17:21:39.904715
- Title: Reducing sequential change detection to sequential estimation
- Title（参考訳）: 逐次推定による逐次変化検出の低減
- Authors: Shubhanshu Shekhar and Aaditya Ramdas
- Abstract要約: 本稿では, 逐次変化検出から信頼性系列を用いた逐次推定への簡単な削減について述べる。
平均ランニング長が少なくとも1/alpha$であることを証明する。
- 参考スコア（独自算出の注目度）: 42.460619457560334
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We consider the problem of sequential change detection, where the goal is to
design a scheme for detecting any changes in a parameter or functional $\theta$
of the data stream distribution that has small detection delay, but guarantees
control on the frequency of false alarms in the absence of changes. In this
paper, we describe a simple reduction from sequential change detection to
sequential estimation using confidence sequences: we begin a new
$(1-\alpha)$-confidence sequence at each time step, and proclaim a change when
the intersection of all active confidence sequences becomes empty. We prove
that the average run length is at least $1/\alpha$, resulting in a change
detection scheme with minimal structural assumptions~(thus allowing for
possibly dependent observations, and nonparametric distribution classes), but
strong guarantees. Our approach bears an interesting parallel with the
reduction from change detection to sequential testing of Lorden (1971) and the
e-detector of Shin et al. (2022).
- Abstract（参考訳）: パラメータや関数の$\theta$で検出遅延が小さいが、変更がない場合の誤報頻度の制御が保証されるデータストリーム分布を,パラメータや関数的な$\theta$で検出するスキームを設計することを目的として,逐次的な変更検出の問題を考える。
本稿では,各ステップ毎に1-\alpha($-confidence)の新たな$(1-\alpha)$-confidenceシーケンスを起動し,すべてのアクティブな信頼シーケンスの交叉が空になった場合の変化を宣言する。
平均ラン長が少なくとも1/\alpha$であることを証明するため、構造的仮定を最小限に抑えた変更検出スキームが成立する(従属的な観測や非パラメトリック分布クラスを許容する)が、強い保証は得られない。
提案手法は,1971年のLordenと2022年のShinらのe-detectorによる変化検出からシーケンシャルなテストへの削減と類似している。
関連論文リスト
- Online Change Points Detection for Linear Dynamical Systems with Finite
Sample Guarantees [1.6026317505839445]
本研究では,未知の力学を持つ線形力学系に対するオンライン変化点検出問題について検討する。
我々は,誤報を発生させる確率に基づいて,予め指定された上限を達成できるデータ依存しきい値を開発する。
論文 参考訳（メタデータ） (2023-11-30T18:08:16Z) - Cal-DETR: Calibrated Detection Transformer [67.75361289429013]
本稿では,Deformable-DETR,UP-DETR,DINOのキャリブレーション検出トランス(Cal-DETR)のメカニズムを提案する。
我々は、不確実性を利用してクラスロジットを変調する不確実性誘導ロジット変調機構を開発する。
その結果、Cal-DETRは、ドメイン内およびドメイン外の両方を校正する競合する列車時間法に対して有効であることがわかった。
論文 参考訳（メタデータ） (2023-11-06T22:13:10Z) - Sequential change detection via backward confidence sequences [40.79325752924537]
逐次的推定から逐次的変化点検出への簡単な削減を提案する。
誤報の頻度と検出遅延の頻度に強い漸近的保証を与える。
論文 参考訳（メタデータ） (2023-02-06T03:03:24Z) - 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) - Bandit Quickest Changepoint Detection [55.855465482260165]
すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。
有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。
本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
論文 参考訳（メタデータ） (2021-07-22T07:25:35Z) - Change Point Detection in Time Series Data using Autoencoders with a
Time-Invariant Representation [69.34035527763916]
変化点検出(CPD)は、時系列データにおける急激な特性変化を見つけることを目的としている。
近年のCDD法は、深層学習技術を用いる可能性を示したが、信号の自己相関統計学におけるより微妙な変化を識別する能力に欠けることが多い。
我々は、新しい損失関数を持つオートエンコーダに基づく手法を用い、使用済みオートエンコーダは、CDDに適した部分的な時間不変表現を学習する。
論文 参考訳（メタデータ） (2020-08-21T15:03:21Z) - Optimal Change-Point Detection with Training Sequences in the Large and
Moderate Deviations Regimes [72.68201611113673]
本稿では,情報理論の観点から,新しいオフライン変化点検出問題について検討する。
基礎となる事前および変更後分布の知識は分かっておらず、利用可能なトレーニングシーケンスからのみ学習できると仮定する。
論文 参考訳（メタデータ） (2020-03-13T23:39:40Z) - High-dimensional, multiscale online changepoint detection [7.502070498889449]
ガウス的データストリームが平均的に変更されるような設定において,高次元のオンライン変更点検出のための新しい手法を提案する。
このアルゴリズムは、新しい観測におけるストレージ要件と最悪の計算複雑性の両方が、以前の観測数とは無関係であるという意味で、オンラインである。
Rパッケージ 'ocd' に実装した提案手法の有効性をシミュレーションにより検証し,その有効性を地震学データセット上で実証する。
論文 参考訳（メタデータ） (2020-03-07T21:54:09Z)
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。