論文の概要: Post-detection inference for sequential changepoint localization

• arxiv url: http://arxiv.org/abs/2502.06096v1
• Date: Mon, 10 Feb 2025 02:01:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-11 14:36:18.729276
• Title: Post-detection inference for sequential changepoint localization
• Title（参考訳）: 逐次変化点定位のための後検出推論
• Authors: Aytijhya Saha, Aaditya Ramdas,
• Abstract要約: 本研究では,データ依存停止時間まで観測したデータのみを用いて,変化点の局所化の問題について検討する。 まず、事前および変更後分布が知られていると仮定した場合に、未知の変更点に対する信頼セットを構築する。 そして、私たちのフレームワークを、事前および変更後のシナリオに拡張します。
• 参考スコア（独自算出の注目度）: 29.43493007296859
• License:
• Abstract: This paper addresses a fundamental but largely unexplored challenge in sequential changepoint analysis: conducting inference following a detected change. We study the problem of localizing the changepoint using only the data observed up to a data-dependent stopping time at which a sequential detection algorithm $\mathcal A$ declares a change. We first construct confidence sets for the unknown changepoint when pre- and post-change distributions are assumed to be known. We then extend our framework to composite pre- and post-change scenarios. We impose no conditions on the observation space or on $\mathcal A$ -- we only need to be able to run $\mathcal A$ on simulated data sequences. In summary, this work offers both theoretically sound and practically effective tools for sequential changepoint localization.
• Abstract（参考訳）: 本稿では, 逐次的変化点解析における基本的な課題である, 検出された変化の後に推論を行うという課題に対処する。 逐次検出アルゴリズムである$\mathcal A$が変化を宣言するデータ依存の停止時間までのデータのみを用いて、変更点をローカライズする問題について検討する。 まず、事前および変更後分布が知られていると仮定した場合に、未知の変更点に対する信頼セットを構築する。 そして、私たちのフレームワークを、事前および変更後のシナリオに拡張します。 観測空間や$\mathcal A$に条件を課すことはありません -- シミュレーションデータシーケンスで$\mathcal A$を実行するだけでよいのです。 要約すると、この研究はシーケンシャルな変化点ローカライゼーションのための理論的に健全かつ実用的なツールを提供する。

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)
• Change points detection in crime-related time series: an on-line fuzzy approach based on a shape space representation [0.0]
  本稿では,犯罪関連時系列における変化点の検出と問合せを行うオンライン手法を提案する。 この手法は、非常に低い計算コストで変化点を正確に検出することができる。
  論文  参考訳（メタデータ） (2023-12-18T10:49:03Z)
• 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)
• Online Centralized Non-parametric Change-point Detection via Graph-based Likelihood-ratio Estimation [77.81487285123147]
  グラフの各ノードを、ほぼリアルタイムで同期して観測されるデータストリームを生成するようにします。 変更ポイント$tau$では、変更はノードのサブセット$C$で発生し、関連するノードストリームの確率分布に影響を与える。 本稿では,ポストチェンジとノードストリームの事前変更分布の確率比の直接推定に基づいて,$tau$を検出して$C$をローカライズするカーネルベースの新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-01-08T10:15:24Z)
• 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)
• Online Changepoint Detection on a Budget [5.077509096253692]
  変更ポイントは、基礎となるデータの分布の急激なバリエーションである。 本稿では,オフラインの切替点検出アルゴリズムと比較したオンライン切替点検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-01-11T00:20:33Z)
• Optimal network online change point localisation [73.93301212629231]
  オンラインネットワーク変化点検出の問題点について検討する。 この設定では、独立したベルヌーイネットワークの集合が順次収集され、基礎となる変化点が生じる。 目的は、虚偽のアラームの数または確率の制約に応じて、それが存在する場合、変更点をできるだけ早く検出することです。
  論文  参考訳（メタデータ） (2021-01-14T07:24:39Z)
• 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)
• Optimal Change-Point Detection with Training Sequences in the Large and Moderate Deviations Regimes [72.68201611113673]
  本稿では,情報理論の観点から,新しいオフライン変化点検出問題について検討する。 基礎となる事前および変更後分布の知識は分かっておらず、利用可能なトレーニングシーケンスからのみ学習できると仮定する。
  論文  参考訳（メタデータ） (2020-03-13T23:39:40Z)

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。