論文の概要: Change Point Detection with Copula Entropy based Two-Sample Test

• arxiv url: http://arxiv.org/abs/2403.07892v1
• Date: Sat, 3 Feb 2024 20:36:48 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-18 06:00:28.663104
• Title: Change Point Detection with Copula Entropy based Two-Sample Test
• Title（参考訳）: コピュラエントロピーを用いた2サンプル試験による変化点検出
• Authors: Jian Ma,
• Abstract要約: 変更点検出は、時系列の変化を見つけることを目的とした典型的なタスクであり、2サンプルテストに対処できる。 コピュラエントロピー(Copula Entropy)は、統計的な独立性を測定する数学的概念であり、最近導入された2サンプルテストである。 本研究では,コプラエントロピーに基づく2サンプル検定による多変点検出のための非パラメトリック多変量法を提案する。
• 参考スコア（独自算出の注目度）: 1.7125489646780319
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Change point detection is a typical task that aim to find changes in time series and can be tackled with two-sample test. Copula Entropy is a mathematical concept for measuring statistical independence and a two-sample test based on it was introduced recently. In this paper we propose a nonparametric multivariate method for multiple change point detection with the copula entropy-based two-sample test. The single change point detection is first proposed as a group of two-sample tests on every points of time series data and the change point is considered as with the maximum of the test statistics. The multiple change point detection is then proposed by combining the single change point detection method with binary segmentation strategy. We verified the effectiveness of our method and compared it with the other similar methods on the simulated univariate and multivariate data and the Nile data.
• Abstract（参考訳）: 変更点検出は、時系列の変化を見つけることを目的とした典型的なタスクであり、2サンプルテストに対処できる。 コピュラエントロピー(Copula Entropy)は、統計的な独立性を測定する数学的概念であり、最近導入された2サンプルテストである。 本論文では,コプラエントロピーに基づく2サンプル検定による複数点検出のための非パラメトリック多変量法を提案する。 単一変更点検出はまず時系列データの各点における2サンプルテストのグループとして提案され、その変更点をテスト統計の最大値とみなす。 次に、単一変化点検出法とバイナリセグメンテーション戦略を組み合わせることで、多重変化点検出を提案する。 我々は,本手法の有効性を検証し,シミュレーションされた単変量および多変量データおよびナイルデータについて,他の類似手法と比較した。

関連論文リスト

• Causal Discovery-Driven Change Point Detection in Time Series [32.424281626708336]
  時系列における変化点検出は、時系列の確率分布が変化する時間を特定する。 実践的な応用では、時系列の特定の構成要素にのみ興味を持ち、その分布の急激な変化を探求する。
  論文  参考訳（メタデータ） (2024-07-10T00:54:42Z)
• Compatible Transformer for Irregularly Sampled Multivariate Time Series [75.79309862085303]
  本研究では,各サンプルに対して総合的な時間的相互作用特徴学習を実現するためのトランスフォーマーベースのエンコーダを提案する。 実世界の3つのデータセットについて広範な実験を行い、提案したCoFormerが既存の手法を大幅に上回っていることを検証した。
  論文  参考訳（メタデータ） (2023-10-17T06:29:09Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• Change Point Detection with Conceptors [0.6526824510982799]
  オフラインの変更点検出は、時系列内の変更点を振り返って特定する。 平均と分散の変化を対象とする多くの非パラメトリック手法は、非線形時間依存の存在下では失敗する。 本稿では,任意の依存構造を持つベースライン学習窓の特性を学習するための概念行列を提案する。 関連するエコー状態ネットワークはデータのデファシライザとして機能し、特徴間の相互作用の性質とベースライン状態との関係から変化点を識別する。
  論文  参考訳（メタデータ） (2023-08-11T16:32:00Z)
• Detecting Adversarial Data by Probing Multiple Perturbations Using Expected Perturbation Score [62.54911162109439]
  逆方向検出は、自然分布と逆方向分布の差に基づいて、与えられたサンプルが逆方向であるかどうかを判定することを目的としている。 本研究では,様々な摂動後の標本の予測スコアであるEPS(pre expected perturbation score)を提案する。 EPSに基づく最大平均誤差(MMD)を,試験試料と自然試料との差を測定する指標として開発する。
  論文  参考訳（メタデータ） (2023-05-25T13:14:58Z)
• Deep learning model solves change point detection for multiple change types [69.77452691994712]
  変更点検出は、データ分散の急激な障害をキャッチすることを目的としている。 本稿では,マルチディストリビューションシナリオにおけるアプローチを提案する。
  論文  参考訳（メタデータ） (2022-04-15T09:44:21Z)
• 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)
• Partially Observable Online Change Detection via Smooth-Sparse Decomposition [16.8028358824706]
  本研究は,センサ容量の制限により,各センシング時点におけるデータストリームのサブセットのみを観測できる,疎度な変化を伴う高次元データストリームのオンライン変化検出について考察する。 一方、検出方式は、部分的に観測可能なデータを扱うことができ、一方、スパース変化に対する効率的な検出能力を有するべきである。 本稿では,CDSSDと呼ばれる新しい検出手法を提案する。特にスムーズな分解によるスムーズな変化を伴う高次元データの構造について述べる。
  論文  参考訳（メタデータ） (2020-09-22T16:03:04Z)
• 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)
• Multinomial Sampling for Hierarchical Change-Point Detection [0.0]
  本稿では,検出率を向上し,遅延を低減する多項サンプリング手法を提案する。 実験の結果, 基準法よりも優れた結果が得られ, また, 人間の行動研究を指向した事例も提示した。
  論文  参考訳（メタデータ） (2020-07-24T09:18:17Z)
• On Matched Filtering for Statistical Change Point Detection [13.64446865914411]
  非パラメトリックランダム性と分布自由な2サンプルテストは多くの変更点検出アルゴリズムの基礎となっている。 本稿では,変化の時間的シグネチャにマッチするフィルタを導出し,適用することにより,これらの課題に対処する。 提案手法は, アドホック後処理を使わずに, 変更点の局所化を可能にする。
  論文  参考訳（メタデータ） (2020-06-09T22:45:58Z)

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。