Fugu-MT 論文翻訳(概要): Neural Spatiotemporal Point Processes: Trends and Challenges

論文の概要: Neural Spatiotemporal Point Processes: Trends and Challenges

arxiv url: http://arxiv.org/abs/2502.09341v1
Date: Thu, 13 Feb 2025 14:01:15 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-14 13:49:45.474973
Title: Neural Spatiotemporal Point Processes: Trends and Challenges
Title（参考訳）: 神経時空間過程の動向と課題
Authors: Sumantrak Mukherjee, Mouad Elhamdi, George Mohler, David A. Selby, Yao Xie, Sebastian Vollmer, Gerrit Grossmann,
Abstract要約: 時空間プロセス(STPP)は、連続した空間と時間で発生する事象の確率論的モデルである。本稿では、既存のアプローチを分類し、重要な選択を統一し、このデータモダリティを扱う上での課題を説明する。
参考スコア（独自算出の注目度）: 4.770461921490678
License:
Abstract: Spatiotemporal point processes (STPPs) are probabilistic models for events occurring in continuous space and time. Real-world event data often exhibit intricate dependencies and heterogeneous dynamics. By incorporating modern deep learning techniques, STPPs can model these complexities more effectively than traditional approaches. Consequently, the fusion of neural methods with STPPs has become an active and rapidly evolving research area. In this review, we categorize existing approaches, unify key design choices, and explain the challenges of working with this data modality. We further highlight emerging trends and diverse application domains. Finally, we identify open challenges and gaps in the literature.
Abstract（参考訳）: 時空間プロセス(STPP)は、連続した空間と時間で発生する事象の確率論的モデルである。実世界のイベントデータは、しばしば複雑な依存関係と不均一なダイナミクスを示す。現代のディープラーニング技術を取り入れることで、STPPは従来のアプローチよりもより効果的にこれらの複雑さをモデル化することができる。結果として、STPPsとニューラルメソッドの融合は、活発で急速に進展する研究領域となった。本稿では、既存のアプローチを分類し、重要な設計選択を統一し、このデータモダリティを扱う上での課題を説明する。さらに、新興トレンドと多様なアプリケーションドメインを強調します。最後に、文献のオープンな課題とギャップを特定します。

関連論文リスト

Advances in Temporal Point Processes: Bayesian, Deep, and LLM Approaches [22.746572585891233]
TPP(Temporal Point Process)は、連続的に発生するイベントシーケンスを特徴付けるプロセスモデルである。近年、ディープラーニングの進歩は神経性TPPの開発を加速させ、柔軟性と表現力を高めている。大規模言語モデル(LLM)の出現はさらに興奮を呼び、イベントシーケンスのモデリングと分析の新しい可能性をもたらした。
論文参考訳（メタデータ） (2025-01-24T07:13:26Z)
State-Space Modeling in Long Sequence Processing: A Survey on Recurrence in the Transformer Era [59.279784235147254]
このサーベイは、シーケンシャルなデータ処理の反復モデルに基づく最新のアプローチの詳細な概要を提供する。新たなイメージは、標準のバックプロパゲーション・オブ・タイムから外れた学習アルゴリズムによって構成される、新しいルートを考える余地があることを示唆している。
論文参考訳（メタデータ） (2024-06-13T12:51:22Z)
Decoupled Marked Temporal Point Process using Neural Ordinary Differential Equations [14.828081841581296]
MTPP(マークド・テンポラル・ポイント・プロセス)は、イベント・タイム・データの集合である。近年の研究では、ディープニューラルネットワークを使用してイベントの複雑な時間的依存関係をキャプチャしている。本稿では,プロセスの特性を異なる事象からの進化的影響の集合に分解する脱結合型MTPPフレームワークを提案する。
論文参考訳（メタデータ） (2024-06-10T10:15:32Z)
Joint Selective State Space Model and Detrending for Robust Time Series Anomaly Detection [25.60381244912307]
深層学習に基づくシーケンスモデルは時系列異常検出タスクに広く利用されている。 TSADの能力は、(i)長距離依存をモデル化する能力と(ii)非定常データの存在下での一般化問題という2つの主要な課題によって制限されている。
論文参考訳（メタデータ） (2024-05-30T08:31:18Z)
Multi-Modality Spatio-Temporal Forecasting via Self-Supervised Learning [11.19088022423885]
そこで本稿では,MoSSL を利用した新しい学習フレームワークを提案する。 2つの実世界のMOSTデータセットの結果は、最先端のベースラインと比較して、我々のアプローチの優位性を検証する。
論文参考訳（メタデータ） (2024-05-06T08:24:06Z)
On the Resurgence of Recurrent Models for Long Sequences -- Survey and Research Opportunities in the Transformer Era [59.279784235147254]
この調査は、Recurrenceの統一の傘の下に構築されたこれらのトレンドの概要を提供することを目的としている。長いシーケンスを処理するという考え方を捨てる際に顕著になる新しい研究機会を強調している。
論文参考訳（メタデータ） (2024-02-12T23:55:55Z)
Cumulative Distribution Function based General Temporal Point Processes [49.758080415846884]
CuFunモデルは、累積分布関数(CDF)を中心に回転するTPPに対する新しいアプローチを表す提案手法は従来のTPPモデリングに固有のいくつかの重要な問題に対処する。コントリビューションには、先駆的なCDFベースのTPPモデルの導入、過去の事象情報を将来の事象予測に組み込む方法論の開発が含まれている。
論文参考訳（メタデータ） (2024-02-01T07:21:30Z)
Spatio-Temporal Branching for Motion Prediction using Motion Increments [55.68088298632865]
HMP(Human Motion Prediction)はその多種多様な応用により、人気のある研究トピックとして浮上している。従来の手法は手作りの機能と機械学習技術に依存している。 HMPのためのインクリメンタル情報を用いた時空間分岐ネットワークを提案する。
論文参考訳（メタデータ） (2023-08-02T12:04:28Z)
An Empirical Study: Extensive Deep Temporal Point Process [61.14164208094238]
本稿では,非同期イベントシーケンスを時間的プロセスでモデル化することの課題と最近の研究を概観する。本稿では,多種類のイベント間の関係を生かしたGranger因果発見フレームワークを提案する。
論文参考訳（メタデータ） (2021-10-19T10:15:00Z)
Neural Spatio-Temporal Point Processes [31.474420819149724]
本稿では,ニューラルODEを計算手法として活用した,点自明なプロセスのための新しいパラメータ化のクラスを提案する。我々は,地震学,疫学,都市移動性,神経科学など,さまざまな文脈のデータセットを用いて,我々のモデルを検証した。
論文参考訳（メタデータ） (2020-11-09T17:28:23Z)
A Comprehensive Study on Temporal Modeling for Online Action Detection [50.558313106389335]
オンライン行動検出(OAD)は実用的だが難しい課題であり、近年注目を集めている。本稿では,4種類の時間的モデリング手法を含むOADの時間的モデリングに関する総合的研究を提案する。本稿では,THUMOS-14 と TVSeries に対して,近年の最先端手法よりも大きなマージンを有するハイブリッド時間モデルを提案する。
論文参考訳（メタデータ） (2020-01-21T13:12:58Z)

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。