Fugu-MT 論文翻訳(概要): Cluster weighted models with multivariate skewed distributions for functional data

論文の概要: Cluster weighted models with multivariate skewed distributions for functional data

arxiv url: http://arxiv.org/abs/2504.12683v1
Date: Thu, 17 Apr 2025 06:17:06 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-18 14:38:12.504915
Title: Cluster weighted models with multivariate skewed distributions for functional data
Title（参考訳）: 多変量スキュー分布を持つクラスタ重み付き関数データモデル
Authors: Cristina Anton, Roy Shivam Ram Shreshtth,
Abstract要約: 本稿では,関数線形回帰モデルと3つのスキュート多変量分布の混合に基づくクラスタリング手法 funWeightClustSkew を提案する。本手法は関数型高次元データクラスタリング(funHDDC)手法の枠組みに従う。 funWeightlustClustSkewのシミュレーションデータとAir Qualityデータセットの性能について説明する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: We propose a clustering method, funWeightClustSkew, based on mixtures of functional linear regression models and three skewed multivariate distributions: the variance-gamma distribution, the skew-t distribution, and the normal-inverse Gaussian distribution. Our approach follows the framework of the functional high dimensional data clustering (funHDDC) method, and we extend to functional data the cluster weighted models based on skewed distributions used for finite dimensional multivariate data. We consider several parsimonious models, and to estimate the parameters we construct an expectation maximization (EM) algorithm. We illustrate the performance of funWeightClustSkew for simulated data and for the Air Quality dataset.
Abstract（参考訳）: 本稿では,関数線形回帰モデルとスキュート多変量分布(分散ガンマ分布,スキュート分布,正規逆ガウス分布)を混合したクラスタリング手法 funWeightClustSkew を提案する。提案手法は関数型高次元データクラスタリング(funHDDC)手法の枠組みを踏襲し,有限次元多変量データのスキュード分布に基づくクラスタ重み付きモデルに拡張する。いくつかの擬似モデルを検討し、予測最大化(EM)アルゴリズムを構築するパラメータを推定する。 funWeightClustSkewのシミュレーションデータとAir Qualityデータセットの性能について説明する。

関連論文リスト

Fusion of Gaussian Processes Predictions with Monte Carlo Sampling [61.31380086717422]
科学と工学において、私たちはしばしば興味のある変数の正確な予測のために設計されたモデルで作業します。これらのモデルが現実の近似であることを認識し、複数のモデルを同じデータに適用し、結果を統合することが望ましい。
論文参考訳（メタデータ） (2024-03-03T04:21:21Z)
Empirical Density Estimation based on Spline Quasi-Interpolation with applications to Copulas clustering modeling [0.0]
密度推定は、様々な分野において、基礎となるデータの分布をモデル化し理解するための基礎的な手法である。本稿では,擬似補間による密度の単変量近似を提案する。提案アルゴリズムは人工データセットと実データセットで検証される。
論文参考訳（メタデータ） (2024-02-18T11:49:38Z)
Finite Mixtures of Multivariate Poisson-Log Normal Factor Analyzers for Clustering Count Data [0.8499685241219366]
因子分析モデルの混合に基づく8種類の擬似混合モデルについて紹介する。提案モデルはRNAシークエンシング研究から得られた離散的なデータをクラスタリングする文脈において探索される。
論文参考訳（メタデータ） (2023-11-13T21:23:15Z)
Heterogeneous Multi-Task Gaussian Cox Processes [61.67344039414193]
異種相関タスクを共同でモデル化するためのマルチタスクガウスコックスプロセスの新たな拡張を提案する。 MOGPは、分類、回帰、ポイントプロセスタスクの専用可能性のパラメータに先行して、異種タスク間の情報の共有を容易にする。モデルパラメータを推定するための閉形式反復更新を実現する平均場近似を導出する。
論文参考訳（メタデータ） (2023-08-29T15:01:01Z)
Score Approximation, Estimation and Distribution Recovery of Diffusion Models on Low-Dimensional Data [68.62134204367668]
本稿では,未知の低次元線形部分空間上でデータをサポートする場合の拡散モデルのスコア近似,推定,分布回復について検討する。適切に選択されたニューラルネットワークアーキテクチャでは、スコア関数を正確に近似し、効率的に推定することができる。推定スコア関数に基づいて生成された分布は、データ幾何学構造を捕捉し、データ分布の近傍に収束する。
論文参考訳（メタデータ） (2023-02-14T17:02:35Z)
Finite mixture of skewed sub-Gaussian stable distributions [0.0]
提案モデルは正規分布とスキュー分布の有限混合を含む。堅牢なモデルベースのクラスタリングのための強力なモデルとして使用できる。
論文参考訳（メタデータ） (2022-05-27T15:51:41Z)
Scalable Regularised Joint Mixture Models [2.0686407686198263]
多くの応用において、データは異なる基底分布を持つ潜在群にまたがるという意味で不均一である。我々は,(i)明示的多変量特徴分布,(ii)高次元回帰モデル,(iii)潜在群ラベルの連成学習を可能にする異種データに対するアプローチを提案する。このアプローチは明らかに高次元において有効であり、計算効率のためのデータ削減と、特徴数が大きければ鍵信号を保持する再重み付けスキームを組み合わせる。
論文参考訳（メタデータ） (2022-05-03T13:38:58Z)
Wrapped Distributions on homogeneous Riemannian manifolds [58.720142291102135]
パラメータ、対称性、モダリティなどの分布の性質の制御は、フレキシブルな分布の族を生み出す。変動型オートエンコーダと潜在空間ネットワークモデル内で提案した分布を利用して,我々のアプローチを実証的に検証する。
論文参考訳（メタデータ） (2022-04-20T21:25:21Z)
Kernel learning approaches for summarising and combining posterior similarity matrices [68.8204255655161]
我々は,ベイズクラスタリングモデルに対するMCMCアルゴリズムの出力を要約するための新しいアプローチを提案するために,後部類似性行列(PSM)の概念を構築した。我々の研究の重要な貢献は、PSMが正の半定値であり、したがって確率的に動機付けられたカーネル行列を定義するのに使用できることである。
論文参考訳（メタデータ） (2020-09-27T14:16:14Z)
Model Fusion with Kullback--Leibler Divergence [58.20269014662046]
異種データセットから学習した後続分布を融合する手法を提案する。我々のアルゴリズムは、融合モデルと個々のデータセット後部の両方に対する平均場仮定に依存している。
論文参考訳（メタデータ） (2020-07-13T03:27:45Z)
Fitting Laplacian Regularized Stratified Gaussian Models [0.0]
データから複数の関連するゼロ平均ガウス分布を共同推定する問題を考察する。本稿では,大規模な問題にスケールする分散手法を提案するとともに,金融,レーダ信号処理,天気予報などの手法の有効性について述べる。
論文参考訳（メタデータ） (2020-05-04T18:00:59Z)

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。