Fugu-MT 論文翻訳(概要): Gaussian processes based data augmentation and expected signature for time series classification

論文の概要: Gaussian processes based data augmentation and expected signature for time series classification

arxiv url: http://arxiv.org/abs/2310.10836v1
Date: Mon, 16 Oct 2023 21:18:51 GMT
ステータス: 処理完了
システム内更新日: 2023-10-18 18:58:44.425219
Title: Gaussian processes based data augmentation and expected signature for time series classification
Title（参考訳）: ガウス過程に基づく時系列分類のためのデータ拡張と期待シグネチャ
Authors: Marco Romito and Francesco Triggiano
Abstract要約: 本稿では,期待されたシグネチャに基づいて構築された時系列の特徴抽出モデルを提案する。主な特徴の1つは、モデルを使用する教師付きタスクを通じて最適な特徴抽出が学習されることである。
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: The signature is a fundamental object that describes paths (that is, continuous functions from an interval to a Euclidean space). Likewise, the expected signature provides a statistical description of the law of stochastic processes. We propose a feature extraction model for time series built upon the expected signature. This is computed through a Gaussian processes based data augmentation. One of the main features is that an optimal feature extraction is learnt through the supervised task that uses the model.
Abstract（参考訳）: シグネチャはパス(つまり、区間からユークリッド空間への連続関数)を記述する基本的なオブジェクトである。同様に、期待される符号は確率過程の法則の統計的記述を提供する。本稿では,期待署名に基づく時系列の特徴抽出モデルを提案する。これはガウス過程に基づくデータ拡張によって計算される。主な特徴の1つは、モデルを使用する教師付きタスクを通して最適な特徴抽出を学ぶことである。

関連論文リスト

On expected signatures and signature cumulants in semimartingale models [0.0]
シグネチャと期待シグネチャの概念は、データサイエンス、特にシーケンシャルなデータ分析において不可欠である。 log-transform (expected signatures) は log-signatures (signature cumulants)
論文参考訳（メタデータ） (2024-08-09T14:16:21Z)
Universal randomised signatures for generative time series modelling [1.8434042562191815]
我々は、財務時系列データの生成モデルを導入するためにランダム化シグネチャを用いる。具体的には、離散時間ランダム化シグネチャに基づく新しいワッサーシュタイン型距離を提案する。次に、合成時系列データに対する非逆生成モデルにおける損失関数として、我々の測定値を用いる。
論文参考訳（メタデータ） (2024-06-14T17:49:29Z)
Random Fourier Signature Features [8.766411351797885]
代数はシグネチャカーネルと呼ばれる任意の長さの列の類似性の最も強力な尺度の1つを生み出す。署名カーネルのスケールを、配列の長さと数で2次的に計算する以前のアルゴリズム。本研究では,非ユークリッド領域に作用するシグネチャカーネルのランダムなフーリエ特徴量に基づくアクセラレーションを開発する。
論文参考訳（メタデータ） (2023-11-20T22:08:17Z)
Generalizing Backpropagation for Gradient-Based Interpretability [103.2998254573497]
モデルの勾配は、半環を用いたより一般的な定式化の特別な場合であることを示す。この観測により、バックプロパゲーションアルゴリズムを一般化し、他の解釈可能な統計を効率的に計算することができる。
論文参考訳（メタデータ） (2023-07-06T15:19:53Z)
Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
論文参考訳（メタデータ） (2022-11-30T05:33:29Z)
Towards Symbolic Time Series Representation Improved by Kernel Density Estimators [0.0]
本稿では,Symbolic Aggregate approXimation algorithm (SAX) に基づく一般的なマッピング手法について述べる。シーケンス分類、パターンマイニング、異常検出、時系列インデックス化、その他のデータマイニングタスクで広く利用されている。本稿では, 時系列再構成誤差やユークリッド距離下界など, SAX よりも有望な改善を伴う一般的なタスクの評価を含む, 提案手法について述べる。
論文参考訳（メタデータ） (2022-05-25T13:16:18Z)
Gaussian Processes and Statistical Decision-making in Non-Euclidean Spaces [96.53463532832939]
我々はガウス過程の適用性を高める技術を開発した。この観点から構築した効率的な近似を幅広く導入する。非ユークリッド空間上のガウス過程モデルの集合を開発する。
論文参考訳（メタデータ） (2022-02-22T01:42:57Z)
Sensing Cox Processes via Posterior Sampling and Positive Bases [56.82162768921196]
本研究では,空間統計学から広く用いられている点過程の適応センシングについて検討する。我々は、この強度関数を、特別に構築された正の基底で表される、歪んだガウス過程のサンプルとしてモデル化する。我々の適応センシングアルゴリズムはランゲヴィン力学を用いており、後続サンプリング(textscCox-Thompson)と後続サンプリング(textscTop2)の原理に基づいている。
論文参考訳（メタデータ） (2021-10-21T14:47:06Z)
Modeling Sequences as Distributions with Uncertainty for Sequential Recommendation [63.77513071533095]
既存のシーケンシャルメソッドの多くは、ユーザが決定論的であると仮定する。項目-項目遷移は、いくつかの項目において著しく変動し、ユーザの興味のランダム性を示す。本稿では,不確実性を逐次モデルに注入する分散型トランスフォーマーシークエンシャルレコメンデーション(DT4SR)を提案する。
論文参考訳（メタデータ） (2021-06-11T04:35:21Z)
Conditional Sig-Wasserstein GANs for Time Series Generation [8.593063679921109]
GAN(Generative Adversarial Network)は、高次元の確率測度からサンプルを生成するのに非常に成功した。これらの手法は時系列データによって誘導される関節確率分布の時間的依存を捉えるのに苦労する。時系列データストリームはターゲット空間の次元を大幅に増加させ、生成的モデリングが不可能になる可能性がある。本稿では,Wasserstein-GANを数学的原理と効率的な経路特徴抽出と統合した汎用条件付きSig-WGANフレームワークを提案する。
論文参考訳（メタデータ） (2020-06-09T17:38:55Z)
Efficiently Sampling Functions from Gaussian Process Posteriors [76.94808614373609]
高速後部サンプリングのための簡易かつ汎用的なアプローチを提案する。分離されたサンプルパスがガウス過程の後部を通常のコストのごく一部で正確に表現する方法を実証する。
論文参考訳（メタデータ） (2020-02-21T14:03:16Z)

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。