論文の概要: Bellman Conformal Inference: Calibrating Prediction Intervals For Time Series

• arxiv url: http://arxiv.org/abs/2402.05203v1
• Date: Wed, 7 Feb 2024 19:15:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-09 17:32:59.209405
• Title: Bellman Conformal Inference: Calibrating Prediction Intervals For Time Series
• Title（参考訳）: ベルマン共形推論:時系列の予測間隔の校正
• Authors: Zitong Yang, Emmanuel Cand\`es, Lihua Lei
• Abstract要約: 我々はBellman Conformal Inference (BCI)を紹介した。これは時系列予測モデルをラップし、キャリブレーションされた予測間隔を提供するフレームワークである。 BCIは、1次元制御問題(SCP)を解くことにより、多段階予測を活用でき、平均間隔長を明示的に最適化することができる。 任意の分布シフトと時間的依存の下で,BCIが長期的カバレッジを達成することを実証する。
• 参考スコア（独自算出の注目度）: 4.10373648742522
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce Bellman Conformal Inference (BCI), a framework that wraps around any time series forecasting models and provides calibrated prediction intervals. Unlike the existing methods, BCI is able to leverage multi-step ahead forecasts and explicitly optimize the average interval lengths by solving a one-dimensional stochastic control problem (SCP) at each time step. In particular, we use the dynamic programming algorithm to find the optimal policy for the SCP. We prove that BCI achieves long-term coverage under arbitrary distribution shifts and temporal dependence, even with poor multi-step ahead forecasts. We find empirically that BCI avoids uninformative intervals that have infinite lengths and generates substantially shorter prediction intervals on volatility forecasting problems when compared with existing methods.
• Abstract（参考訳）: 我々はBellman Conformal Inference (BCI)を紹介した。これは時系列予測モデルをラップし、キャリブレーションされた予測間隔を提供するフレームワークである。 既存の手法とは異なり、bciは時間ステップごとに1次元確率制御問題(scp)を解いて、多段階予測を活用し、平均間隔長を明示的に最適化することができる。 特に、動的プログラミングアルゴリズムを用いて、SCPの最適ポリシーを求める。 任意の分布シフトと時間的依存の下で,BCIが長期的カバレッジを達成することを実証する。 実験により, BCIは無限長の不定形区間を回避し, 既存の手法と比較した場合, 変動予測問題に対する予測間隔を著しく短くすることがわかった。

関連論文リスト

• A Gaussian Process-based Streaming Algorithm for Prediction of Time Series With Regimes and Outliers [0.0]
  最近提案されたINTELアルゴリズムは,システムスイッチングの可能な時系列のオンライン予測に専門家によるアプローチの産物を提供する。 LINTELを紹介します。これは、一定時間更新を伴う時間$t$の正確なフィルタリング分布を使用します。 提案手法は,適切な条件下でのINELよりも5倍以上高速で,良好な品質予測が可能であることを示す。
  論文  参考訳（メタデータ） (2024-06-01T22:55:33Z)
• MGCP: A Multi-Grained Correlation based Prediction Network for Multivariate Time Series [54.91026286579748]
  本稿では,マルチグラインド相関に基づく予測ネットワークを提案する。 予測性能を高めるために3段階の相関を同時に検討する。 注意機構に基づく予測器と条件判別器を用いて、粗い粒度の予測結果を最適化する。
  論文  参考訳（メタデータ） (2024-05-30T03:32:44Z)
• Loss Shaping Constraints for Long-Term Time Series Forecasting [79.3533114027664]
  本稿では,長期時系列予測のための制約付き学習手法を提案する。 提案手法は, 予測ウィンドウ上でエラーを発生させながら, 時系列ベンチマークにおける競合平均性能を示すことを示すための, 実用的なプリマル・デュアルアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-02-14T18:20:44Z)
• The Capacity and Robustness Trade-off: Revisiting the Channel Independent Strategy for Multivariate Time Series Forecasting [50.48888534815361]
  本稿では、Channel Dependent(CD)戦略でトレーニングされたモデルが、Channel Dependent(CD)戦略でトレーニングされたモデルよりも優れていることを示す。 以上の結果から,CD手法は高いキャパシティを持つが,分散ドリフト時系列を正確に予測する堅牢性に欠けることがわかった。 本稿では,CI戦略を超越した正規化(PRReg)による予測残差法(Predict Residuals with Regularization, PRReg)を提案する。
  論文  参考訳（メタデータ） (2023-04-11T13:15:33Z)
• Generative Time Series Forecasting with Diffusion, Denoise, and Disentanglement [51.55157852647306]
  時系列予測は多くのアプリケーションにおいて非常に重要な課題である。 実世界の時系列データが短時間に記録されることが一般的であり、これはディープモデルと限られたノイズのある時系列との間に大きなギャップをもたらす。 本稿では,生成モデルを用いた時系列予測問題に対処し,拡散,雑音,ゆがみを備えた双方向変分自動エンコーダを提案する。
  論文  参考訳（メタデータ） (2023-01-08T12:20:46Z)
• Copula Conformal Prediction for Multi-step Time Series Forecasting [18.298634240183862]
  時系列予測のためのCopula Conformal Predictionアルゴリズム,CopulaCPTSを提案する。 我々は,CopulaCPTSが既存の手法よりも多段階予測タスクに対して,よりキャリブレーションと鋭い信頼区間を生成することを示す。
  論文  参考訳（メタデータ） (2022-12-06T19:32:06Z)
• Conditional Approximate Normalizing Flows for Joint Multi-Step Probabilistic Electricity Demand Forecasting [32.907448044102864]
  本研究では,条件付き近似正規化流(CANF)を導入し,長い時間的地平線上で相関が存在する場合の確率的多段階時系列予測を行う。 実験の結果, 条件付き近似正規化フローは, 多段階予測精度で他の手法よりも優れており, 最大10倍のスケジューリング決定が導かれることがわかった。
  論文  参考訳（メタデータ） (2022-01-08T03:42:12Z)
• Quantifying Uncertainty in Deep Spatiotemporal Forecasting [67.77102283276409]
  本稿では,正規格子法とグラフ法という2種類の予測問題について述べる。 我々はベイジアンおよび頻繁な視点からUQ法を解析し、統計的決定理論を通じて統一的な枠組みを提示する。 実際の道路ネットワークのトラフィック、疫病、空気質予測タスクに関する広範な実験を通じて、異なるUQ手法の統計計算トレードオフを明らかにする。
  論文  参考訳（メタデータ） (2021-05-25T14:35:46Z)
• Doubly Robust Off-Policy Actor-Critic: Convergence and Optimality [131.45028999325797]
  ディスカウント型MDPのための2倍堅牢なオフポリチックAC(DR-Off-PAC)を開発した。 DR-Off-PACは、俳優と批評家の両方が一定のステップで同時に更新される単一のタイムスケール構造を採用しています。 有限時間収束速度を研究し, dr-off-pac のサンプル複雑性を特徴とし, $epsilon$-accurate optimal policy を得る。
  論文  参考訳（メタデータ） (2021-02-23T18:56:13Z)
• Conformal prediction for time series [16.38369532102931]
  textttEnbPIは、共形予測(CP)と密接に関連しているが、データ交換性を必要としないアンサンブル予測をラップする。 提案手法の有効性を実証するため,広範囲なシミュレーションと実データ解析を行った。
  論文  参考訳（メタデータ） (2020-10-18T21:05:32Z)

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。