論文の概要: Stability and performance guarantees for misspecified multivariate score-driven filters

• arxiv url: http://arxiv.org/abs/2502.05021v2
• Date: Fri, 18 Apr 2025 15:05:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-21 15:46:21.33568
• Title: Stability and performance guarantees for misspecified multivariate score-driven filters
• Title（参考訳）: 多変量スコア駆動フィルタの安定性と性能保証
• Authors: Simon Donker van Heel, Rutger-Jan Lange, Dick van Dijk, Bram van Os,
• Abstract要約: 本稿では,多変量非観測時間変化パラメータを潜在的モデルの誤特定の下で追跡する問題に対処する。 具体的には、仮定された対数観測密度の勾配を用いてパラメータ予測を更新する暗黙的および明示的スコア駆動(ISD, ESD)フィルタについて検討する。 我々は、広範囲なシミュレーション研究を通じて、SDフィルタよりも優れた安定性と性能を強調した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We address the problem of tracking multivariate unobserved time-varying parameters under potential model misspecification. Specifically, we examine implicit and explicit score-driven (ISD and ESD) filters, which update parameter predictions using the gradient of the postulated logarithmic observation density (commonly referred to as the score). For both filter types, we derive novel sufficient conditions that ensure the invertibility of the filtered parameter path and the existence of a finite mean squared error (MSE) bound relative to the pseudo-true parameter path. Our (non-)asymptotic MSE bounds rely on mild moment conditions on the data-generating process, while our invertibility result is agnostic about the true process. For the ISD filter, concavity of the postulated log density combined with simple parameter restrictions is sufficient (though not necessary) to guarantee stability. In contrast, the ESD filter additionally requires the score to be Lipschitz continuous. We validate our theoretical findings and highlight the superior stability and performance of ISD over ESD filters through extensive simulation studies. Finally, we demonstrate the practical relevance of our approach through an empirical application to U.S. Treasury-bill rates.
• Abstract（参考訳）: 本稿では,多変量非観測時間変化パラメータを潜在的モデルの誤特定の下で追跡する問題に対処する。 具体的には、仮定対数観測密度(一般にスコアと呼ばれる)の勾配を用いてパラメータ予測を更新する暗黙的および明示的スコア駆動(ISD, ESD)フィルタについて検討する。 両方のフィルタタイプに対して、フィルタされたパラメータパスの可逆性と、擬似真理パラメータパスに対して有界な有限平均二乗誤差(MSE)の存在を保証するための、新しい十分な条件を導出する。 我々の(非)漸近的MSE境界は、データ生成プロセスの軽微なモーメント条件に依存し、我々の可逆性は真のプロセスに無関係である。 ISDフィルタの場合、仮定されたログ密度の凹凸と単純なパラメータ制限が組み合わさって安定性を保証するのに十分である(ただし、必要ではない)。 対照的に、ESDフィルタはスコアを連続的にリプシッツでなければならない。 提案する理論的な知見を検証し,広範囲なシミュレーション研究を通じて,SDフィルタよりも優れた安定性と性能を示す。 最後に、米国財務省のビルレートに対する実証的な適用を通じて、我々のアプローチの実践的妥当性を実証する。

関連論文リスト

• Stochastic Optimization with Optimal Importance Sampling [49.484190237840714]
  本稿では,両者の時間的分離を必要とせずに,意思決定とIS分布を共同で更新する反復型アルゴリズムを提案する。 本手法は,IS分布系に対する目的的,軽度な仮定の凸性の下で,最小の変数分散を達成し,大域収束を保証する。
  論文  参考訳（メタデータ） (2025-04-04T16:10:18Z)
• Statistical Inference for Temporal Difference Learning with Linear Function Approximation [62.69448336714418]
  時間差差(TD)学習は、おそらく政策評価に最も広く使用されるものであり、この目的の自然な枠組みとして機能する。 本稿では,Polyak-Ruppert平均化と線形関数近似によるTD学習の整合性について検討し,既存の結果よりも3つの重要な改善点を得た。
  論文  参考訳（メタデータ） (2024-10-21T15:34:44Z)
• High Rank Path Development: an approach of learning the filtration of stochastic processes [6.245824251614165]
  そこで我々は,HRPCFD(High Rank PCF Distance)と呼ばれる新しい尺度を導入する。 そして、そのようなHRPCFDは、データからHRPCFDを訓練し、HRPCF-GANを構築するための効率的なアルゴリズムを設計できるように、多くの好意的な解析特性を許容していることを示す。 仮説テストと生成モデルの両方に関する数値実験は、いくつかの最先端手法と比較して、我々のアプローチのアウトパフォーマンスを検証している。
  論文  参考訳（メタデータ） (2024-05-23T13:20:47Z)
• Efficient and Sharp Off-Policy Evaluation in Robust Markov Decision Processes [44.974100402600165]
  意思決定プロセス(MDP)に対する最良パラメトリックかつ最悪の摂動の評価について検討する。 我々は、元のMDPからの遷移観測を用いて、それらが同一または異なるポリシーの下で生成されるかのどちらかを判断する。 我々の推定器はウォルドの信頼区間を用いた統計的推測も行う。
  論文  参考訳（メタデータ） (2024-03-29T18:11:49Z)
• Integrated path stability selection [5.263910852465186]
  本稿では,安定性を最大化するのではなく,安定経路の統合に基づく新しい安定性選択手法を提案する。 これにより、前の境界よりも桁違いに強いE(FP)上の上限が得られ、同じターゲットE(FP)に対して実際よりもはるかに真の正の値が得られる。 本手法は前立腺癌および大腸癌研究のシミュレーションと実データを用いて実証する。
  論文  参考訳（メタデータ） (2024-03-23T15:55:52Z)
• Closed-form Filtering for Non-linear Systems [83.91296397912218]
  我々は密度近似と計算効率の面でいくつかの利点を提供するガウスPSDモデルに基づく新しいフィルタのクラスを提案する。 本研究では,遷移や観測がガウスPSDモデルである場合,フィルタリングを効率的にクローズド形式で行うことができることを示す。 提案する推定器は, 近似の精度に依存し, 遷移確率の正則性に適応する推定誤差を伴って, 高い理論的保証を享受する。
  論文  参考訳（メタデータ） (2024-02-15T08:51:49Z)
• Joint State Estimation and Noise Identification Based on Variational Optimization [8.536356569523127]
  CVIAKFと呼ばれる共役計算変分推論に基づく新しい適応カルマンフィルタ法を提案する。 CVIAKFの有効性は、目標追尾のための合成および実世界のデータセットを通して検証される。
  論文  参考訳（メタデータ） (2023-12-15T07:47:03Z)
• Differentially Private SGD Without Clipping Bias: An Error-Feedback Approach [62.000948039914135]
  Differentially Private Gradient Descent with Gradient Clipping (DPSGD-GC) を使用して、差分プライバシ(DP)がモデルパフォーマンス劣化の犠牲となることを保証する。 DPSGD-GCに代わる新しいエラーフィードバック(EF)DPアルゴリズムを提案する。 提案アルゴリズムに対するアルゴリズム固有のDP解析を確立し,R'enyi DPに基づくプライバシ保証を提供する。
  論文  参考訳（メタデータ） (2023-11-24T17:56:44Z)
• Probabilities Are Not Enough: Formal Controller Synthesis for Stochastic Dynamical Models with Epistemic Uncertainty [68.00748155945047]
  複雑な力学系のモデルにおける不確実性を捉えることは、安全なコントローラの設計に不可欠である。 いくつかのアプローチでは、安全と到達可能性に関する時間的仕様を満たすポリシーを形式的な抽象化を用いて合成する。 我々の貢献は、ノイズ、不確実なパラメータ、外乱を含む連続状態モデルに対する新しい抽象的制御法である。
  論文  参考訳（メタデータ） (2022-10-12T07:57:03Z)
• Stability of Aggregation Graph Neural Networks [153.70485149740608]
  グラフの摂動を考慮したアグリゲーショングラフニューラルネットワーク(Agg-GNN)の安定性特性について検討した。 安定性境界は各ノードに作用するCNNの第1層におけるフィルタの特性によって定義される。 また、Agg-GNNでは、写像演算子の選択性は、CNNステージの第1層においてのみフィルタの特性に結びついていると結論付けている。
  論文  参考訳（メタデータ） (2022-07-08T03:54:52Z)
• Higher Order Kernel Mean Embeddings to Capture Filtrations of Stochastic Processes [11.277354787690646]
  我々は、KMEの概念を一般化する高階カーネル平均埋め込みの族を紹介する。 我々は,高次最大平均誤差 (MMD) に対する経験的推定器を導出し,整合性を証明した。 我々は,実世界のキャリブレーションと最適な停止問題を解くことができるプロセス上に,普遍カーネル群を構築する。
  論文  参考訳（メタデータ） (2021-09-08T12:27:25Z)
• Fourier Series Expansion Based Filter Parametrization for Equivariant Convolutions [73.33133942934018]
  2次元フィルタパラメトリゼーション技術は同変畳み込みの設計において重要な役割を果たす。 F-Convというフィルタパラメトリゼーション法に基づく新しい同変畳み込み法 F-Convは、画像超解像タスクにおいて、以前のフィルタパラメトリゼーション法よりも明らかに優れている。
  論文  参考訳（メタデータ） (2021-07-30T10:01:52Z)
• Differentiable Annealed Importance Sampling and the Perils of Gradient Noise [68.44523807580438]
  Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。 差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。 我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
  論文  参考訳（メタデータ） (2021-07-21T17:10:14Z)
• Stochastic Optimization of Areas Under Precision-Recall Curves with Provable Convergence [66.83161885378192]
  ROC(AUROC)と精度リコール曲線(AUPRC)の下の領域は、不均衡問題に対する分類性能を評価するための一般的な指標である。 本稿では,深層学習のためのAUPRCの最適化手法を提案する。
  論文  参考訳（メタデータ） (2021-04-18T06:22:21Z)
• Convergence of Finite Memory Q-Learning for POMDPs and Near Optimality of Learned Policies under Filter Stability [0.0]
  POMDPに対して、過去の観測と制御行動の有限履歴を用いて、制御ポリシーに対するQ学習アルゴリズムの収束を提供する。 有限履歴ウィンドウの長さに対する近似誤差に関する明示的な誤差境界を示す。 我々は、極限不動点方程式が近似的信念-MDPの最適解を与えることを示す。
  論文  参考訳（メタデータ） (2021-03-22T20:14:26Z)
• 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。