論文の概要: $whittlehurst$: A Python package implementing Whittle's likelihood estimation of the Hurst exponent

• arxiv url: http://arxiv.org/abs/2506.01985v1
• Date: Fri, 16 May 2025 21:24:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-08 12:40:08.658752
• Title: $whittlehurst$: A Python package implementing Whittle's likelihood estimation of the Hurst exponent
• Title（参考訳）: $whittlehurst$: Hurst指数のWhittleの推測値を実装したPythonパッケージ
• Authors: Bálint Csanády, Lóránt Nagy, András Lukács,
• Abstract要約: $whittlehurst$は、分数的なブラウン運動(fBm)においてハースト指数を推定するWhittleの可能性メソッドを実装するPythonパッケージである。 我々は,この手法を,合成および実世界のデータに対する他のHurst指数推定手法と比較した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents $whittlehurst$, a Python package implementing Whittle's likelihood method for estimating the Hurst exponent in fractional Brownian motion (fBm). While the theoretical foundations of Whittle's estimator are well-established, practical and computational considerations are critical for effective use. We focus explicitly on assessing our implementation's performance across several numerical approximations of the fractional Gaussian noise (fGn) spectral density, comparing their computational efficiency, accuracy, and consistency across varying input sequence lengths. Extensive empirical evaluations show that our implementation achieves state-of-the-art estimation accuracy and computational speed. Additionally, we benchmark our method against other popular Hurst exponent estimation techniques on synthetic and real-world data, emphasizing practical considerations that arise when applying these estimators to financial and biomedical data.
• Abstract（参考訳）: 本稿ではWhittleの確率法を実装したPythonパッケージである$whittlehurst$について述べる。 ウィトル推定法の理論的基礎は確立されているが、実用的および計算的考察は効果的な利用に不可欠である。 本稿では,fGnスペクトル密度の数値的近似による実装性能の評価に着目し,その計算効率,精度,整合性を比較した。 実験結果から,提案手法は最先端の予測精度と計算速度を実現していることがわかった。 さらに,本手法を,合成および実世界のデータに対するHurst指数推定手法と比較し,これらの推定を財務・生物医学的データに適用する際に生じる実践的考察を強調した。

関連論文リスト

• Entropy-regularized Gradient Estimators for Approximate Bayesian Inference [2.44755919161855]
  本稿では,Kulback-Leibler分散系の勾配流を近似することにより,ベイズ後部を推定し,多様なサンプルを生成する。 本研究は, モデルベース強化学習における手法の性能評価と有効性を検討するために, 分類タスクに関する経験的評価を行う。
  論文  参考訳（メタデータ） (2025-03-15T02:30:46Z)
• Is Score Matching Suitable for Estimating Point Processes? [3.496184112204039]
  既存の研究では点過程のスコアマッチング推定器が提案されている。 この研究は、重み付けされたスコアマッチング推定器をポイントプロセスに導入する。 実験結果から,合成データのモデルパラメータを精度良く推定し,実データ上でのMLEと整合した結果が得られることがわかった。
  論文  参考訳（メタデータ） (2024-10-05T05:10:20Z)
• Fast Shapley Value Estimation: A Unified Approach [71.92014859992263]
  冗長な手法を排除し、単純で効率的なシェープリー推定器SimSHAPを提案する。 既存手法の解析において、推定器は特徴部分集合からランダムに要約された値の線形変換として統一可能であることを観察する。 実験により,SimSHAPの有効性が検証され,精度の高いShapley値の計算が大幅に高速化された。
  論文  参考訳（メタデータ） (2023-11-02T06:09:24Z)
• Equation Discovery with Bayesian Spike-and-Slab Priors and Efficient Kernels [57.46832672991433]
  ケルネル学習とBayesian Spike-and-Slab pres (KBASS)に基づく新しい方程式探索法を提案する。 カーネルレグレッションを用いてターゲット関数を推定する。これはフレキシブルで表現力があり、データ空間やノイズに対してより堅牢である。 我々は,効率的な後部推論と関数推定のための予測伝搬予測最大化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2023-10-09T03:55:09Z)
• Provably Efficient Bayesian Optimization with Unknown Gaussian Process Hyperparameter Estimation [44.53678257757108]
  目的関数の大域的最適値にサブ線形収束できる新しいBO法を提案する。 本手法では,BOプロセスにランダムなデータポイントを追加するために,マルチアームバンディット法 (EXP3) を用いる。 提案手法は, 様々な合成および実世界の問題に対して, 既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-06-12T03:35:45Z)
• Real-Time Regression with Dividing Local Gaussian Processes [62.01822866877782]
  局所ガウス過程は、ガウス過程の回帰に基づく新しい、計算効率の良いモデリング手法である。 入力空間の反復的データ駆動分割により、実際にはトレーニングポイントの総数において、サブ線形計算複雑性が達成される。 実世界のデータセットに対する数値的な評価は、予測と更新の速度だけでなく、精度の点で他の最先端手法よりも有利であることを示している。
  論文  参考訳（メタデータ） (2020-06-16T18:43:31Z)
• $\gamma$-ABC: Outlier-Robust Approximate Bayesian Computation Based on a Robust Divergence Estimator [95.71091446753414]
  最寄りの$gamma$-divergence推定器をデータ差分尺度として用いることを提案する。 本手法は既存の不一致対策よりも高いロバスト性を実現する。
  論文  参考訳（メタデータ） (2020-06-13T06:09:27Z)
• Scalable Distributed Approximation of Internal Measures for Clustering Evaluation [5.144809478361603]
  クラスタリング評価のための内部測度はシルエット係数であり、計算には2つの距離計算が必要である。 本稿では,任意の距離に基づいてクラスタリングの評価を行うための厳密な近似を計算した最初のスケーラブルアルゴリズムを提案する。 また,このアルゴリズムは凝集や分離などのクラスタリング品質の他の内部指標の厳密な近似に適応可能であることも証明した。
  論文  参考訳（メタデータ） (2020-03-03T10:28:14Z)

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。