論文の概要: Bayesian Nonparametric Dynamical Clustering of Time Series

• arxiv url: http://arxiv.org/abs/2510.06919v1
• Date: Wed, 08 Oct 2025 11:52:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.469729
• Title: Bayesian Nonparametric Dynamical Clustering of Time Series
• Title（参考訳）: 時系列のベイズ非パラメトリック動的クラスタリング
• Authors: Adrián Pérez-Herrero, Paulo Félix, Jesús Presedo, Carl Henrik Ek,
• Abstract要約: 本稿では,線形力学を持つ未知数のレギュレータを切り替えることで,非有界な時系列クラスタの進化をモデル化する手法を提案する。 オフラインおよびオンラインシナリオの変動的下界を定式化して推論を行う。 本研究は, 公用データベースを用いた心電図解析のいくつかのケーススタディを通じて, アプローチの汎用性と有効性について述べる。
• 参考スコア（独自算出の注目度）: 3.8090256115307555
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a method that models the evolution of an unbounded number of time series clusters by switching among an unknown number of regimes with linear dynamics. We develop a Bayesian non-parametric approach using a hierarchical Dirichlet process as a prior on the parameters of a Switching Linear Dynamical System and a Gaussian process prior to model the statistical variations in amplitude and temporal alignment within each cluster. By modeling the evolution of time series patterns, the method avoids unnecessary proliferation of clusters in a principled manner. We perform inference by formulating a variational lower bound for off-line and on-line scenarios, enabling efficient learning through optimization. We illustrate the versatility and effectiveness of the approach through several case studies of electrocardiogram analysis using publicly available databases.
• Abstract（参考訳）: 本稿では,線形力学を持つ未知数のレギュレータを切り替えることで,非有界な時系列クラスタの進化をモデル化する手法を提案する。 階層的ディリクレ法をスイッチング線形力学系とガウス過程のパラメータの先行として用いたベイズ非パラメトリック法を開発し,各クラスタ内の振幅および時間的アライメントの統計的変動をモデル化する。 時系列パターンの進化をモデル化することにより、本手法はクラスタの不要な拡散を原則的に回避する。 オフラインおよびオンラインシナリオの変動的下界を定式化して推論を行い、最適化による効率的な学習を可能にする。 本研究は, 公用データベースを用いた心電図解析のいくつかのケーススタディを通じて, アプローチの汎用性と有効性について述べる。

関連論文リスト

• Efficient identification of linear, parameter-varying, and nonlinear systems with noise models [1.6385815610837167]
  本稿では、状態空間の力学モデルの幅広いスペクトルを推定できる一般的なシステム同定手法を提案する。 この一般的なモデル構造に対して、モデル力学は決定論的過程とノイズ部分に分離できることを示す。 人工ニューラルネットワーク(ANN)を用いた非線形機能関係のパラメータ化
  論文  参考訳（メタデータ） (2025-04-16T11:23:30Z)
• GeneralizeFormer: Layer-Adaptive Model Generation across Test-Time Distribution Shifts [58.95913531746308]
  テスト時間領域の一般化の問題は、モデルが複数のソースドメインで訓練され、トレーニング中に見たことのないターゲットドメインで調整される場合である。 textitGeneralizeFormer と呼ばれる軽量メタ学習変換器を用いて,推論中に複数の層パラメータを生成することを提案する。
  論文  参考訳（メタデータ） (2025-02-15T10:10:49Z)
• DualDynamics: Synergizing Implicit and Explicit Methods for Robust Irregular Time Series Analysis [3.686808512438363]
  NDE法とニューラルフロー法を組み合わせた新しいフレームワークである「DualDynamics」を紹介する。 このアプローチは計算要求のバランスを保ちながら表現力を高め、既存の手法の限界に対処する。 以上の結果から,DualDynamicsが不規則時系列解析を飛躍的に進める可能性が示唆された。
  論文  参考訳（メタデータ） (2024-01-10T07:51:02Z)
• Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
  我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。 得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
  論文  参考訳（メタデータ） (2023-12-10T15:22:30Z)
• Causal Temporal Regime Structure Learning [49.77103348208835]
  本稿では,DAG(Directed Acyclic Graph)を並列に学習する新しい手法であるCASTORを提案する。 我々は我々の枠組みの中で体制とDAGの識別可能性を確立する。 実験により、CASTORは既存の因果発見モデルより一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2023-11-02T17:26:49Z)
• Efficient Interpretable Nonlinear Modeling for Multiple Time Series [5.448070998907116]
  本稿では,複数時系列に対する効率的な非線形モデリング手法を提案する。 異なる時系列変数間の非線形相互作用を含む。 実験結果から,提案アルゴリズムは相似的にVAR係数の支持値の同定を改善することが示された。
  論文  参考訳（メタデータ） (2023-09-29T11:42:59Z)
• Time varying regression with hidden linear dynamics [74.9914602730208]
  線形力学系に従って未知のパラメータが進化することを前提とした時間変化線形回帰モデルを再検討する。 反対に、基礎となる力学が安定である場合、このモデルのパラメータは2つの通常の最小二乗推定と組み合わせることで、データから推定できることが示される。
  論文  参考訳（メタデータ） (2021-12-29T23:37:06Z)
• Time Series Forecasting Using Manifold Learning [6.316185724124034]
  本研究では,高次元時系列の予測のための多様体学習に基づく3層数値フレームワークを提案する。 最初のステップでは、非線形多様体学習アルゴリズムを用いて、時系列を低次元空間に埋め込む。 2番目のステップでは、埋め込み力学を予測するために、多様体上の低次回帰モデルを構築する。 最後のステップでは、埋め込み時系列を元の高次元空間に戻します。
  論文  参考訳（メタデータ） (2021-10-07T17:09:59Z)
• Control as Hybrid Inference [62.997667081978825]
  本稿では、反復推論と償却推論のバランスを自然に仲介するCHIの実装について述べる。 連続的な制御ベンチマークでアルゴリズムのスケーラビリティを検証し、強力なモデルフリーおよびモデルベースラインを上回る性能を示す。
  論文  参考訳（メタデータ） (2020-07-11T19:44:09Z)

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。