論文の概要: STAN: Smooth Transition Autoregressive Networks

• arxiv url: http://arxiv.org/abs/2501.18699v1
• Date: Thu, 30 Jan 2025 19:01:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-03 14:01:27.506433
• Title: STAN: Smooth Transition Autoregressive Networks
• Title（参考訳）: STAN: Smooth transition Autoregressive Networks
• Authors: Hugo Inzirillo, Remi Genet,
• Abstract要約: 本稿では,STARモデルと多層ニューラルネットワークアーキテクチャの類似性を用いた新しいアプローチを提案する。 提案するニューラルネットワークアーキテクチャはSTARフレームワークを模倣し,複数のレイヤを用いてレシエーション間のスムーズな遷移をシミュレートする。 この研究は、ニューラルネットワークがSTARモデルの強力な代替手段となり、経済・金融予測における予測精度を高める可能性があることを示唆している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Traditional Smooth Transition Autoregressive (STAR) models offer an effective way to model these dynamics through smooth regime changes based on specific transition variables. In this paper, we propose a novel approach by drawing an analogy between STAR models and a multilayer neural network architecture. Our proposed neural network architecture mimics the STAR framework, employing multiple layers to simulate the smooth transition between regimes and capturing complex, nonlinear relationships. The network's hidden layers and activation functions are structured to replicate the gradual switching behavior typical of STAR models, allowing for a more flexible and scalable approach to regime-dependent modeling. This research suggests that neural networks can provide a powerful alternative to STAR models, with the potential to enhance predictive accuracy in economic and financial forecasting.
• Abstract（参考訳）: 従来のSmooth transition Autoregressive(STAR)モデルは、特定の遷移変数に基づいたスムーズな状態変化を通じて、これらのダイナミクスをモデル化する効果的な方法を提供する。 本稿では,STARモデルと多層ニューラルネットワークアーキテクチャの類似性を用いた新しいアプローチを提案する。 提案するニューラルネットワークアーキテクチャはSTARフレームワークを模倣し,複数のレイヤを用いてレシエーション間のスムーズな遷移をシミュレートし,複雑な非線形関係を捉える。 ネットワークの隠蔽層とアクティベーション関数はSTARモデルに典型的な漸進的なスイッチング動作を再現するように構成されており、レシシブ依存モデリングに対するより柔軟でスケーラブルなアプローチを可能にする。 この研究は、ニューラルネットワークがSTARモデルの強力な代替手段となり、経済・金融予測における予測精度を高める可能性があることを示唆している。

関連論文リスト

• Generalized Factor Neural Network Model for High-dimensional Regression [50.554377879576066]
  複素・非線形・雑音に隠れた潜在低次元構造を持つ高次元データセットをモデル化する課題に取り組む。 我々のアプローチは、非パラメトリック回帰、因子モデル、高次元回帰のためのニューラルネットワークの概念のシームレスな統合を可能にする。
  論文  参考訳（メタデータ） (2025-02-16T23:13:55Z)
• STAR: Synthesis of Tailored Architectures [61.080157488857516]
  本稿では, 適合型アーキテクチャ (STAR) の新規な合成手法を提案する。 提案手法は線形入力可変系の理論に基づく新しい探索空間を結合し,階層的な数値エンコーディングをアーキテクチャゲノムに支持する。STARゲノムは,複数のモデル品質と効率の指標に最適化するために,勾配のない進化的アルゴリズムで自動的に精製・組換えされる。 STARを用いて、多種多様な計算単位と相互接続パターンを活用し、品質、パラメータサイズ、および自動回帰言語モデリングのための推論キャッシュのフロンティアにおける高度に最適化されたトランスフォーマーとストライプハイブリッドモデルを改善する。
  論文  参考訳（メタデータ） (2024-11-26T18:42:42Z)
• Mamba-FSCIL: Dynamic Adaptation with Selective State Space Model for Few-Shot Class-Incremental Learning [113.89327264634984]
  FSCIL(Few-shot class-incremental Learning)は、最小限のトレーニングサンプルを持つモデルに新しいクラスを統合するという課題に直面している。 従来の手法では、固定パラメータ空間に依存する静的適応を広く採用し、逐次到着するデータから学習する。 本稿では、動的適応のための中間特徴に基づいてプロジェクションパラメータを動的に調整する2つの選択型SSMプロジェクタを提案する。
  論文  参考訳（メタデータ） (2024-07-08T17:09:39Z)
• A Transition System Abstraction Framework for Neural Network Dynamical System Models [2.414910571475855]
  本稿では,ニューラルネットワーク力学系モデルのためのトランジションシステム抽象化フレームワークを提案する。 このフレームワークは、データ駆動型ニューラルネットワークモデルをトランジションシステムに抽象化し、ニューラルネットワークモデルを解釈可能にする。
  論文  参考訳（メタデータ） (2024-02-18T23:49:18Z)
• ConCerNet: A Contrastive Learning Based Framework for Automated Conservation Law Discovery and Trustworthy Dynamical System Prediction [82.81767856234956]
  本稿では,DNNに基づく動的モデリングの信頼性を向上させるために,ConCerNetという新しい学習フレームワークを提案する。 本手法は, 座標誤差と保存量の両方において, ベースラインニューラルネットワークよりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2023-02-11T21:07:30Z)
• Recurrent Spectral Network (RSN): shaping the basin of attraction of a discrete map to reach automated classification [4.724825031148412]
  自動分類のための新しい戦略が導入された。これは、完全に訓練された動的システムを利用して、アイテムを異なる引き付け者に向けて操る。 非線型項はトランジェントに作用し、初期条件として供給されたデータを離散力学系に切り離すことができる。 我々の新しい分類手法であるRecurrent Spectral Network (RSN) は、画像処理訓練のための標準データセットと同様に、図形的な目的のために作成された単純なテストベッドモデルに挑戦することに成功した。
  論文  参考訳（メタデータ） (2022-02-09T14:59:06Z)
• Multi-Scale Semantics-Guided Neural Networks for Efficient Skeleton-Based Human Action Recognition [140.18376685167857]
  スケルトンに基づく行動認識には,単純なマルチスケールセマンティクス誘導ニューラルネットワークが提案されている。 MS-SGNは、NTU60、NTU120、SYSUデータセットの最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2021-11-07T03:50:50Z)
• A purely data-driven framework for prediction, optimization, and control of networked processes: application to networked SIS epidemic model [0.8287206589886881]
  我々は,大規模ネットワーク上での非線形力学の同定と制御を行う演算子理論に基づくデータ駆動型フレームワークを開発した。 提案手法では、ネットワーク構造に関する事前の知識は必要とせず、状態の2段階のスナップショットのみを用いて基礎となるダイナミクスを識別する。
  論文  参考訳（メタデータ） (2021-08-01T03:57:10Z)
• Thalamocortical motor circuit insights for more robust hierarchical control of complex sequences [0.0]
  我々は、再使用可能な「モチーフ」の連結からなる時間列を生成するリカレントニューラルネットワークの学習について研究する。 単一モチーフの学習は成功するが、シーケンス生成は堅牢ではない。 次に,これらの結果と,運動視床皮質回路にインスパイアされた構造と解析的抽出可能な力学のモデルを比較した。
  論文  参考訳（メタデータ） (2020-06-23T21:08:38Z)
• Dynamic Hierarchical Mimicking Towards Consistent Optimization Objectives [73.15276998621582]
  一般化能力を高めたCNN訓練を推進するための汎用的特徴学習機構を提案する。 DSNに部分的にインスパイアされた私たちは、ニューラルネットワークの中間層から微妙に設計されたサイドブランチをフォークしました。 カテゴリ認識タスクとインスタンス認識タスクの両方の実験により,提案手法の大幅な改善が示された。
  論文  参考訳（メタデータ） (2020-03-24T09:56:13Z)

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。