論文の概要: Online Distributional Regression

• arxiv url: http://arxiv.org/abs/2407.08750v2
• Date: Wed, 21 Aug 2024 11:43:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-22 21:56:12.162695
• Title: Online Distributional Regression
• Title（参考訳）: オンライン配信レグレッション
• Authors: Simon Hirsch, Jonathan Berrisch, Florian Ziel,
• Abstract要約: 大規模ストリーミングデータは、現代の機械学習アプリケーションで一般的である。 サプライチェーン管理、気象学、気象学など多くの分野が確率論的予測を用いている。 本稿では,正規化線形分布モデルのオンライン推定手法を提案する。
• 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: Large-scale streaming data are common in modern machine learning applications and have led to the development of online learning algorithms. Many fields, such as supply chain management, weather and meteorology, energy markets, and finance, have pivoted towards using probabilistic forecasts, which yields the need not only for accurate learning of the expected value but also for learning the conditional heteroskedasticity and conditional distribution moments. Against this backdrop, we present a methodology for online estimation of regularized, linear distributional models. The proposed algorithm is based on a combination of recent developments for the online estimation of LASSO models and the well-known GAMLSS framework. We provide a case study on day-ahead electricity price forecasting, in which we show the competitive performance of the incremental estimation combined with strongly reduced computational effort. Our algorithms are implemented in a computationally efficient Python package.
• Abstract（参考訳）: 大規模ストリーミングデータは現代の機械学習アプリケーションで一般的であり、オンライン学習アルゴリズムの開発につながっている。 サプライチェーン管理、気象・気象学、エネルギー市場、金融といった多くの分野は、予測値の正確な学習だけでなく、条件付きヘテロスケダスティック性や条件付き分布モーメントの学習にも必要となる確率的予測を用いている。 このような背景から,正規化線形分布モデルのオンライン推定手法を提案する。 提案アルゴリズムは,LASSOモデルのオンライン評価とGAMLSSフレームワークを併用した最近の開発成果に基づいている。 本研究では, 実測値と計算量を大幅に削減した実測値の競争性能を示す, 日頭電力価格予測のケーススタディを提案する。 我々のアルゴリズムは計算効率のよいPythonパッケージで実装されている。

関連論文リスト

• Online Estimation via Offline Estimation: An Information-Theoretic Framework [75.80823630681323]
  オフライン推定アルゴリズムをオンライン推定アルゴリズムに変換することは可能か? 我々はOracle-Efficient Online Estimation (OEOE)という新しいフレームワークを導入し,学習者はストリーム上で動作しているブラックボックスアルゴリズムによって生成されたオフライン推定器のシーケンスを通じて,データストリームと間接的にのみ対話することができる。
  論文  参考訳（メタデータ） (2024-04-15T20:19:18Z)
• Online Variational Sequential Monte Carlo [49.97673761305336]
  我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。 オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
  論文  参考訳（メタデータ） (2023-12-19T21:45:38Z)
• An Adaptive Approach for Probabilistic Wind Power Forecasting Based on Meta-Learning [7.422947032954223]
  本稿では,オフラインおよびオンライン学習手順を含む,確率的風力予測(WPF)への適応的アプローチについて検討する。 オフライン学習では、メタ学習の内外ループ更新を通じてベース予測モデルを訓練する。 オンライン学習の段階では、ベース予測モデルがオンライン予測に適用され、漸進的な学習技術が組み合わされる。
  論文  参考訳（メタデータ） (2023-08-15T18:28:22Z)
• Towards a Better Theoretical Understanding of Independent Subnetwork Training [56.24689348875711]
  独立サブネットワークトレーニング(IST)の理論的考察 ISTは、上記の問題を解決するための、最近提案され、非常に効果的である。 圧縮通信を用いた分散手法など,ISTと代替手法の基本的な違いを同定する。
  論文  参考訳（メタデータ） (2023-06-28T18:14:22Z)
• Scalable computation of prediction intervals for neural networks via matrix sketching [79.44177623781043]
  既存の不確実性推定アルゴリズムでは、モデルアーキテクチャとトレーニング手順を変更する必要がある。 本研究では、与えられたトレーニングされたニューラルネットワークに適用し、近似予測間隔を生成できる新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-05-06T13:18:31Z)
• Interpretable AI-based Large-scale 3D Pathloss Prediction Model for enabling Emerging Self-Driving Networks [3.710841042000923]
  本稿では,新しい鍵予測器を応用した機械学習モデルを提案する。 予測,一般化,計算性能の観点から各種MLアルゴリズムの性能を定量的に評価することにより,光グラディエントブースティングマシン(LightGBM)アルゴリズムが全体として他のアルゴリズムより優れていることを示す。
  論文  参考訳（メタデータ） (2022-01-30T19:50:16Z)
• Learning to Forecast Dynamical Systems from Streaming Data [3.6136161812301744]
  本稿では,トレーニングデータに1回のパスしか必要としないKAFのストリーミングアルゴリズムを提案する。 計算実験により、ストリーミングKAF法は力学系のいくつかのクラスを予測できることを示した。 全体的な方法論は、ストリーミングカーネルレグレッションのための新しいテンプレートとして、より広い関心を持つかもしれない。
  論文  参考訳（メタデータ） (2021-09-20T17:19:57Z)
• Deep learning-based multi-output quantile forecasting of PV generation [34.51430520593065]
  本稿では,近年のディープラーニングのブレークスルーを生かして,確率的PV予測器を開発する。 Encoder-decoderと名付けられたこの予測ツールは、日中多出力PV量子化予測を計算するために実装されている。 モデルは、非パラメトリックなアプローチである量子回帰を用いて訓練される。
  論文  参考訳（メタデータ） (2021-06-02T16:28:10Z)
• Online Learning with Radial Basis Function Networks [0.0]
  オンライン学習の逐次学習と連続学習について考察する。 オンライン学習技術はオフライン学習よりも優れています。
  論文  参考訳（メタデータ） (2021-03-15T14:39:40Z)
• COMBO: Conservative Offline Model-Based Policy Optimization [120.55713363569845]
  ディープニューラルネットワークのような複雑なモデルによる不確実性推定は困難であり、信頼性が低い。 我々は,サポート外状態動作の値関数を正規化するモデルベースオフラインRLアルゴリズムCOMBOを開発した。 従来のオフラインモデルフリーメソッドやモデルベースメソッドと比べて、comboは一貫してパフォーマンスが良いことが分かりました。
  論文  参考訳（メタデータ） (2021-02-16T18:50:32Z)
• Real-Time Regression with Dividing Local Gaussian Processes [62.01822866877782]
  局所ガウス過程は、ガウス過程の回帰に基づく新しい、計算効率の良いモデリング手法である。 入力空間の反復的データ駆動分割により、実際にはトレーニングポイントの総数において、サブ線形計算複雑性が達成される。 実世界のデータセットに対する数値的な評価は、予測と更新の速度だけでなく、精度の点で他の最先端手法よりも有利であることを示している。
  論文  参考訳（メタデータ） (2020-06-16T18:43:31Z)

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。