Fugu-MT 論文翻訳(概要): Quickest Causal Change Point Detection by Adaptive Intervention

論文の概要: Quickest Causal Change Point Detection by Adaptive Intervention

arxiv url: http://arxiv.org/abs/2506.07760v1
Date: Mon, 09 Jun 2025 13:39:35 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-10 16:33:10.976593
Title: Quickest Causal Change Point Detection by Adaptive Intervention
Title（参考訳）: 適応的介入による素早い因果変化点検出
Authors: Haijie Xu, Chen Zhang,
Abstract要約: 2つのモニタリング手法が提案され、それぞれが適応的介入ポリシーを用いて探索と搾取のバランスをとる。提案手法の1次最適性を理論的に実証し、シミュレーションデータセットと2つの実世界のケーススタディを用いてそれらの特性を検証する。
参考スコア（独自算出の注目度）: 5.858447612884839
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose an algorithm for change point monitoring in linear causal models that accounts for interventions. Through a special centralization technique, we can concentrate the changes arising from causal propagation across nodes into a single dimension. Additionally, by selecting appropriate intervention nodes based on Kullback-Leibler divergence, we can amplify the change magnitude. We also present an algorithm for selecting the intervention values, which aids in the identification of the most effective intervention nodes. Two monitoring methods are proposed, each with an adaptive intervention policy to make a balance between exploration and exploitation. We theoretically demonstrate the first-order optimality of the proposed methods and validate their properties using simulation datasets and two real-world case studies.
Abstract（参考訳）: 本稿では,介入を考慮した線形因果モデルにおける変化点モニタリングのアルゴリズムを提案する。特別な集中化手法により、ノード間の因果伝播に起因する変化を1次元に集約することができる。さらに、Kullback-Leibler分散に基づいて適切な介入ノードを選択することで、変更の規模を増幅することができる。また,最も有効な介入ノードの同定を支援する介入値を選択するアルゴリズムを提案する。 2つのモニタリング手法が提案され、それぞれが適応的介入ポリシーを用いて探索と搾取のバランスをとる。提案手法の1次最適性を理論的に実証し、シミュレーションデータセットと2つの実世界のケーススタディを用いてそれらの特性を検証する。

関連論文リスト

Adaptive Out-of-Control Point Pattern Detection in Sequential Random Finite Set Observations [4.022717732460524]
本稿では,逐次的ランダム有限集合(RFS)観測に特化して設計された適応型異常検出フレームワークを提案する。提案手法は,プロセスの期待される統計的挙動から逸脱を検出することにより,異常データ(正規データ)と異常データ(異常データ)を効果的に区別する。
論文参考訳（メタデータ） (2025-06-30T12:45:44Z)
Efficient Test-time Adaptive Object Detection via Sensitivity-Guided Pruning [73.40364018029673]
連続的なテスト時間適応オブジェクト検出(CTTA-OD)は、源となる事前訓練された検出器を常に変化する環境にオンライン適応させることを目的としている。私たちのモチベーションは、学習したすべての特徴が有益であるとは限らないという観察に起因しています。 FLOPの計算オーバヘッドを12%削減し,優れた適応性を実現する。
論文参考訳（メタデータ） (2025-06-03T05:27:56Z)
From Observation to Orientation: an Adaptive Integer Programming Approach to Intervention Design [3.2513035377783717]
独自の適応的介入設計パラダイムが提示され、因果方向の非循環グラフ(DAG)が実用的な予算的考察によって効果的に回収される。反復整数プログラミング(IP)アプローチが提案され、必要な実験の数を劇的に削減する。その結果,適応型IP手法は,ランダムな介入ベースラインよりも介入反復や変動操作が少なく,完全な因果グラフ回復を実現することがわかった。
論文参考訳（メタデータ） (2025-04-04T02:35:35Z)
Robust Distribution Alignment for Industrial Anomaly Detection under Distribution Shift [51.24522135151649]
異常検出は産業アプリケーションの品質管理において重要な役割を担っている。既存の方法は、一般化可能なモデルをトレーニングすることで、ドメインシフトに対処しようとする。提案手法は,最先端の異常検出法や領域適応法と比較して,優れた結果を示す。
論文参考訳（メタデータ） (2025-03-19T05:25:52Z)
ACE : Off-Policy Actor-Critic with Causality-Aware Entropy Regularization [52.5587113539404]
因果関係を考慮したエントロピー(entropy)という用語を導入し,効率的な探索を行うための潜在的影響の高いアクションを効果的に識別し,優先順位付けする。提案アルゴリズムであるACE:Off-policy Actor-critic with Causality-aware Entropy regularizationは,29種類の連続制御タスクに対して,大幅な性能上の優位性を示す。
論文参考訳（メタデータ） (2024-02-22T13:22:06Z)
Taxonomy Adaptive Cross-Domain Adaptation in Medical Imaging via Optimization Trajectory Distillation [73.83178465971552]
自動医用画像解析の成功は、大規模かつ専門家による注釈付きトレーニングセットに依存する。非教師なしドメイン適応(UDA)はラベル付きデータ収集の負担を軽減するための有望なアプローチである。本稿では,2つの技術的課題に新しい視点から対処する統一的手法である最適化トラジェクトリ蒸留を提案する。
論文参考訳（メタデータ） (2023-07-27T08:58:05Z)
Active Learning for Optimal Intervention Design in Causal Models [11.294389953686945]
本研究は、最適介入を特定するための因果的アクティブラーニング戦略を開発し、分布のインターベンショナル平均と所望の目標平均との相違によって測定した。本研究では、Perturb-CITE-seq実験から得られた合成データと単細胞転写データの両方にアプローチを適用し、特定の細胞状態遷移を誘導する最適な摂動を同定する。
論文参考訳（メタデータ） (2022-09-10T20:40:30Z)
A Contrastive Approach to Online Change Point Detection [4.762323642506733]
オンライン変更点検出のための新しい手順を提案する。提案手法は,変化前分布と変化後分布との差分尺度を最大化するものである。術式の平均走行距離と検出遅延に対する非漸近的境界を証明した。
論文参考訳（メタデータ） (2022-06-21T07:01:36Z)
Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文参考訳（メタデータ） (2022-05-13T21:09:41Z)
Provable Guarantees on the Robustness of Decision Rules to Causal Interventions [20.27500901133189]
データ生成プロセスの変化に対する決定ルールのロバストさは、意思決定システムのデプロイの成功に不可欠である。我々は因果ベイズネットワークを考察し、介入堅牢性問題を正式に定義する。干渉確率の保証された上下境界を計算するための効率的なアルゴリズムを提供する。
論文参考訳（メタデータ） (2021-05-19T13:09:47Z)
Contradictory Structure Learning for Semi-supervised Domain Adaptation [67.89665267469053]
現在の逆順応法は、クロスドメインの特徴を整列させようとする。 1)条件分布ミスマッチ、2)決定境界のソース領域へのバイアス。本稿では,対向構造の学習を統一することで,半教師付きドメイン適応のための新しいフレームワークを提案する。
論文参考訳（メタデータ） (2020-02-06T22:58:20Z)

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。