論文の概要: Neural Network-Based Change Point Detection for Large-Scale Time-Evolving Data

• arxiv url: http://arxiv.org/abs/2503.09541v1
• Date: Wed, 12 Mar 2025 16:58:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-13 15:39:39.243589
• Title: Neural Network-Based Change Point Detection for Large-Scale Time-Evolving Data
• Title（参考訳）: 大規模時間進化データに対するニューラルネットワークによる変化点検出
• Authors: Jialiang Geng, George Michailidis,
• Abstract要約: 以下の2段階の手順に基づいて検出戦略を開発する。 戦略は、変化点の数と位置の両方について一貫した見積もりを得る。
• 参考スコア（独自算出の注目度）: 14.131002665374575
• License:
• Abstract: The paper studies the problem of detecting and locating change points in multivariate time-evolving data. The problem has a long history in statistics and signal processing and various algorithms have been developed primarily for simple parametric models. In this work, we focus on modeling the data through feed-forward neural networks and develop a detection strategy based on the following two-step procedure. In the first step, the neural network is trained over a prespecified window of the data, and its test error function is calibrated over another prespecified window. Then, the test error function is used over a moving window to identify the change point. Once a change point is detected, the procedure involving these two steps is repeated until all change points are identified. The proposed strategy yields consistent estimates for both the number and the locations of the change points under temporal dependence of the data-generating process. The effectiveness of the proposed strategy is illustrated on synthetic data sets that provide insights on how to select in practice tuning parameters of the algorithm and in real data sets. Finally, we note that although the detection strategy is general and can work with different neural network architectures, the theoretical guarantees provided are specific to feed-forward neural architectures.
• Abstract（参考訳）: 本稿では,多変量時間進化データにおける変化点の検出と位置決定の問題について検討する。 この問題には統計処理と信号処理の長い歴史があり、様々なアルゴリズムが主に単純なパラメトリックモデルのために開発されている。 本研究では,フィードフォワードニューラルネットワークによるデータモデリングに焦点をあて,以下の2段階の手順に基づく検出戦略を開発する。 最初のステップでは、ニューラルネットワークは、予め指定されたデータのウィンドウ上でトレーニングされ、そのテストエラー機能は、別の指定されたウィンドウ上で校正される。 そして、移動ウィンドウ上でテストエラー関数を使用し、変更点を識別する。 一度変更点が検出されると、この2つのステップを含む手順は、すべての変更点が特定されるまで繰り返される。 提案手法は、データ生成過程の時間的依存の下で、変化点の数と位置の両方について一貫した推定値を得る。 提案手法の有効性は,アルゴリズムおよび実データ集合の実際のチューニングパラメータの選択方法に関する洞察を提供する合成データセット上で説明される。 最後に、検出戦略は一般的なものであり、異なるニューラルネットワークアーキテクチャで動作するが、理論上の保証はフィードフォワードニューラルネットワークアーキテクチャに特有である。

関連論文リスト

• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• Multilayer Multiset Neuronal Networks -- MMNNs [55.2480439325792]
  本研究は,2層以上の類似性ニューロンを組み込んだ多層神経回路網について述べる。 また,回避すべき画像領域に割り当てられる反プロトタイプ点の利用についても検討した。
  論文  参考訳（メタデータ） (2023-08-28T12:55:13Z)
• Custom DNN using Reward Modulated Inverted STDP Learning for Temporal Pattern Recognition [0.0]
  時間的スパイク認識は、異常検出、キーワードスポッティング、神経科学など、様々な領域において重要な役割を果たす。 本稿では,スパース事象系列データに基づく時間的スパイクパターン認識のための新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-07-15T18:57:27Z)
• Learning to Learn with Generative Models of Neural Network Checkpoints [71.06722933442956]
  ニューラルネットワークのチェックポイントのデータセットを構築し,パラメータの生成モデルをトレーニングする。 提案手法は,幅広い損失プロンプトに対するパラメータの生成に成功している。 我々は、教師付きおよび強化学習における異なるニューラルネットワークアーキテクチャとタスクに本手法を適用した。
  論文  参考訳（メタデータ） (2022-09-26T17:59:58Z)
• 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)
• Convolutional generative adversarial imputation networks for spatio-temporal missing data in storm surge simulations [86.5302150777089]
  GAN(Generative Adversarial Imputation Nets)とGANベースの技術は、教師なし機械学習手法として注目されている。 提案手法を Con Conval Generative Adversarial Imputation Nets (Conv-GAIN) と呼ぶ。
  論文  参考訳（メタデータ） (2021-11-03T03:50:48Z)
• SignalNet: A Low Resolution Sinusoid Decomposition and Estimation Network [79.04274563889548]
  本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。 基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。 シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
  論文  参考訳（メタデータ） (2021-06-10T04:21:20Z)
• Sequential Changepoint Detection in Neural Networks with Checkpoints [11.763229353978321]
  本稿では,オンライン変化点検出と同時モデル学習のためのフレームワークを提案する。 次々に一般化された確率比テストを行うことにより、経時的に変化点を検出する。 オンラインベイズ変化点検出と比較して性能が向上した。
  論文  参考訳（メタデータ） (2020-10-06T21:49:54Z)
• Online Neural Networks for Change-Point Detection [0.6015898117103069]
  ニューラルネットワークに基づく2つのオンライン変更点検出手法を提案する。 様々な合成および実世界のデータセット上で最もよく知られたアルゴリズムと比較する。
  論文  参考訳（メタデータ） (2020-10-03T16:55:59Z)
• 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)
• VINNAS: Variational Inference-based Neural Network Architecture Search [2.685668802278155]
  スパース畳み込みニューラルネットワークを探索するための可変変分推論に基づくNAS法を提案する。 提案手法は,非ゼロパラメータの約2倍の精度で最先端の精度を示しながら,多様なネットワークセルを探索する。
  論文  参考訳（メタデータ） (2020-07-12T21:47:35Z)

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。