論文の概要: Localized Sparse Principal Component Analysis of Multivariate Time Series in Frequency Domain

• arxiv url: http://arxiv.org/abs/2408.08177v1
• Date: Thu, 15 Aug 2024 14:30:34 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-16 13:46:24.744155
• Title: Localized Sparse Principal Component Analysis of Multivariate Time Series in Frequency Domain
• Title（参考訳）: 周波数領域における多変量時系列の局所的スパース主成分分析
• Authors: Jamshid Namdari, Amita Manatunga, Fabio Ferrarelli, Robert Krafty,
• Abstract要約: 周波数領域における高次元時系列の解釈可能な主成分分析のための定式化と一貫した推定手法を提案する。 信号プロセスの低次元主部分空間のスパース局所化推定を計算するために,効率的な周波数系列アルゴリズムを開発した。
• 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: Principal component analysis has been a main tool in multivariate analysis for estimating a low dimensional linear subspace that explains most of the variability in the data. However, in high-dimensional regimes, naive estimates of the principal loadings are not consistent and difficult to interpret. In the context of time series, principal component analysis of spectral density matrices can provide valuable, parsimonious information about the behavior of the underlying process, particularly if the principal components are interpretable in that they are sparse in coordinates and localized in frequency bands. In this paper, we introduce a formulation and consistent estimation procedure for interpretable principal component analysis for high-dimensional time series in the frequency domain. An efficient frequency-sequential algorithm is developed to compute sparse-localized estimates of the low-dimensional principal subspaces of the signal process. The method is motivated by and used to understand neurological mechanisms from high-density resting-state EEG in a study of first episode psychosis.
• Abstract（参考訳）: 主成分分析は、低次元線形部分空間を推定する多変量解析において主要なツールであり、データのばらつきの大半を説明する。 しかし、高次元のレジームでは、主荷重のナイーブな推定は一貫性がなく、解釈が難しい。 時系列の文脈において、スペクトル密度行列の主成分分析は、特に主成分が座標で疎結合であり周波数帯域で局所化されていると解釈される場合、基礎過程の挙動に関する貴重な同相情報を与えることができる。 本稿では,周波数領域における高次元時系列の主成分分析の定式化と一貫した推定手法を提案する。 信号プロセスの低次元主部分空間のスパース局所化推定を計算するために,効率的な周波数系列アルゴリズムを開発した。 この方法は、第1話の精神病の研究において、高密度安静状態脳波から神経学的メカニズムを理解するために動機付けられ、使用される。

関連論文リスト

• Estimating the Spectral Moments of the Kernel Integral Operator from Finite Sample Matrices [16.331196225467707]
  本稿では,カーネル積分作用素のスペクトルモーメントを無限入力と特徴の極限で非バイアスで推定するアルゴリズムを提案する。 動的プログラミングに基づく本手法は,演算子スペクトルのモーメントを推定できる。
  論文  参考訳（メタデータ） (2024-10-23T16:12:59Z)
• Modal Analysis of Spatiotemporal Data via Multivariate Gaussian Process Regression [0.0]
  モーダル解析は複雑な流れのコヒーレントな構造を理解するための重要なツールとなっている。 データ不足と不規則サンプリングの限界を克服するために,新しいモーダル解析手法を提案する。
  論文  参考訳（メタデータ） (2024-03-19T19:47:02Z)
• Supervised low-rank semi-nonnegative matrix factorization with frequency regularization for forecasting spatio-temporal data [6.725792598352138]
  周波数正規化を伴う半負行列分解(SMF)を用いた時間データの予測手法を提案する。 提案手法による結果は,地球物理学の分野におけるこれまでの研究に匹敵するが,より明瞭な解釈性を提供する。
  論文  参考訳（メタデータ） (2023-11-15T01:23:13Z)
• Provably Accelerating Ill-Conditioned Low-rank Estimation via Scaled Gradient Descent, Even with Overparameterization [48.65416821017865]
  この章では、スケールドグラデーション(ScaledGD)と呼ばれる新しいアルゴリズムアプローチを紹介します。 低ランク物体の条件数に依存しない定数速度で直線的に収束する。 様々なタスクに対して、勾配降下の低い摂動コストを維持できる。
  論文  参考訳（メタデータ） (2023-10-09T21:16:57Z)
• Digital noise spectroscopy with a quantum sensor [57.53000001488777]
  本稿では,ノイズプロセスの自己相関をサンプリングし,再構成するための量子センシングプロトコルを実験的に導入し,実証する。 ウォルシュノイズ分光法はスピンフリップパルスの単純な配列を利用してディジタルフィルタの完全基底を生成する。 ダイヤモンド中の単一窒素空孔中心の電子スピン上での核スピン浴により生じる有効磁場の自己相関関数を実験的に再構成した。
  論文  参考訳（メタデータ） (2022-12-19T02:19:35Z)
• Quantum Algorithms for Data Representation and Analysis [68.754953879193]
  機械学習におけるデータ表現のための固有problemsの解を高速化する量子手続きを提供する。 これらのサブルーチンのパワーと実用性は、主成分分析、対応解析、潜在意味解析のための入力行列の大きさのサブ線形量子アルゴリズムによって示される。 その結果、入力のサイズに依存しない実行時のパラメータは妥当であり、計算モデル上の誤差が小さいことが示され、競合的な分類性能が得られる。
  論文  参考訳（メタデータ） (2021-04-19T00:41:43Z)
• Minimax Estimation of Linear Functions of Eigenvectors in the Face of Small Eigen-Gaps [95.62172085878132]
  固有ベクトル摂動解析は様々な統計データ科学の応用において重要な役割を果たす。 未知の固有ベクトルの任意の線型関数の摂動を特徴付ける統計理論の一組を開発する。 自然の「プラグイン」推定器に固有の非無視バイアス問題を緩和するために,非バイアス推定器を開発する。
  論文  参考訳（メタデータ） (2021-04-07T17:55:10Z)
• Extraction of instantaneous frequencies and amplitudes in nonstationary time-series data [2.36991223784587]
  古典的アプローチの欠点の多くを回避する時間周波数解析のためのデータ駆動アプローチを提案する。 本手法は, カンチレバーを用いた静電力顕微鏡データを含む時系列データの多様性を示す。
  論文  参考訳（メタデータ） (2021-04-03T02:19:07Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)
• Frequency-Weighted Robust Tensor Principal Component Analysis [36.85333789033387]
  テンソル特異値分解(t-SVD)は一般に選択されている値である。 周波数成分分析をt-SVDに組み込んでRTPCA性能を向上させる。 新たに得られた周波数重み付きRTPCAは乗算器の交互方向法により解ける。
  論文  参考訳（メタデータ） (2020-04-21T14:58:21Z)
• Optimization with Momentum: Dynamical, Control-Theoretic, and Symplectic Perspectives [97.16266088683061]
  この論文は、運動量に基づく最適化アルゴリズムにおいてシンプレクティックな離散化スキームが重要であることを厳格に証明している。 これは加速収束を示すアルゴリズムの特性を提供する。
  論文  参考訳（メタデータ） (2020-02-28T00:32:47Z)

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。