論文の概要: LMFD: Latent Monotonic Feature Discovery

• arxiv url: http://arxiv.org/abs/2510.19383v1
• Date: Wed, 22 Oct 2025 09:01:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:15.439687
• Title: LMFD: Latent Monotonic Feature Discovery
• Title（参考訳）: LMFD: 潜在的モノトニックな特徴発見
• Authors: Guus Toussaint, Arno Knobbe,
• Abstract要約: その結果,センサを低単調性,低単調性,遅延特性,高単調性と組み合わせることができることがわかった。 提案手法は,システムの年齢のプロキシとして機能する解釈可能な方程式を見つけることができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many systems in our world age, degrade or otherwise move slowly but steadily in a certain direction. When monitoring such systems by means of sensors, one often assumes that some form of `age' is latently present in the data, but perhaps the available sensors do not readily provide this useful information. The task that we study in this paper is to extract potential proxies for this `age' from the available multi-variate time series without having clear data on what `age' actually is. We argue that when we find a sensor, or more likely some discovered function of the available sensors, that is sufficiently monotonic, that function can act as the proxy we are searching for. Using a carefully defined grammar and optimising the resulting equations in terms of monotonicity, defined as the absolute Spearman's Rank Correlation between time and the candidate formula, the proposed approach generates a set of candidate features which are then fitted and assessed on monotonicity. The proposed system is evaluated against an artificially generated dataset and two real-world datasets. In all experiments, we show that the system is able to combine sensors with low individual monotonicity into latent features with high monotonicity. For the real-world dataset of InfraWatch, a structural health monitoring project, we show that two features with individual absolute Spearman's $\rho$ values of $0.13$ and $0.09$ can be combined into a proxy with an absolute Spearman's $\rho$ of $0.95$. This demonstrates that our proposed method can find interpretable equations which can serve as a proxy for the `age' of the system.
• Abstract（参考訳）: 世界の多くのシステムは、緩やかに、あるいはそれ以外はゆっくりと、一定の方向に着実に動きます。 センサーを用いてそのようなシステムを監視する場合、データの中に「年齢」の何らかの形態が存在すると仮定することが多いが、おそらく利用可能なセンサーはこの有用な情報を容易に提供しない。 本稿では,この「エイジ」の潜在的なプロキシを,実際の「エイジ」に関する明確なデータを持たない多変量時系列から抽出する。 センサを見つけたとき、あるいは、利用可能なセンサーのいくつかの機能を発見したとき、それは十分に単調であり、その機能は探しているプロキシとして機能する、と私たちは主張する。 厳密に定義された文法を用いて、結果の方程式を単調性の観点から最適化し、時間と候補式の間の絶対スピアマンのランク相関として定義し、提案手法は単調性に基づいて適合し評価される一連の候補特徴を生成する。 提案システムは,人工的に生成したデータセットと実世界の2つのデータセットに対して評価される。 すべての実験において,センサを低単調性,低単調性,潜在特徴量,高単調性との組み合わせが可能であることを示す。 構造的なヘルス監視プロジェクトであるInfraWatchの実際のデータセットでは、個々の絶対的なSpearmanの$\rho$値が0.13$と$0.09$の2つの特徴が、絶対的なSpearmanの$\rho$$0.95$のプロキシに結合可能であることを示す。 このことから,本手法はシステムの「年齢」の代名詞として機能する解釈可能な方程式を導出できることを示す。

関連論文リスト

• M$^2$AD: Multi-Sensor Multi-System Anomaly Detection through Global Scoring and Calibrated Thresholding [7.098854184592838]
  複数のシステムからの時系列データにおける教師なし異常検出のためのフレームワークであるM$2$ADを導入する。 M$2$ADは、通常の条件下での予測された振る舞いを捉えるために、潜在的な異常の指標として残余を用いる。 実証的に、M$2$ADは既存の手法を平均で21%上回っている。
  論文  参考訳（メタデータ） (2025-04-21T16:57:46Z)
• Sample-Efficient Linear Representation Learning from Non-IID Non-Isotropic Data [4.971690889257356]
  コリンズとナイアーとヴァスワニによって提案された交互最小化・退化スキームの適応について紹介する。 iidにおいてもバニラ変動最小化降下は破滅的に失敗するが, 軽度に非等方性データは得られない。 我々の分析は、事前の作業を統一し、一般化し、幅広いアプリケーションに柔軟なフレームワークを提供する。
  論文  参考訳（メタデータ） (2023-08-08T17:56:20Z)
• Online Learning with Adversaries: A Differential-Inclusion Analysis [52.43460995467893]
  我々は,完全に非同期なオンラインフェデレート学習のための観察行列ベースのフレームワークを提案する。 我々の主な結果は、提案アルゴリズムがほぼ確実に所望の平均$mu.$に収束することである。 新たな差分包摂型2時間スケール解析を用いて,この収束を導出する。
  論文  参考訳（メタデータ） (2023-04-04T04:32:29Z)
• Optimal Horizon-Free Reward-Free Exploration for Linear Mixture MDPs [60.40452803295326]
  線形マルコフ決定過程(MDP)を学習するための新たな報酬なしアルゴリズムを提案する。 我々のアルゴリズムの核心は、探索駆動の擬似回帰を用いた不確実性重み付き値目標回帰である。 我々のアルゴリズムは$tilde O(d2varepsilon-2)$ episodesを探索するだけで、$varepsilon$-optimal policyを見つけることができる。
  論文  参考訳（メタデータ） (2023-03-17T17:53:28Z)
• DynImp: Dynamic Imputation for Wearable Sensing Data Through Sensory and Temporal Relatedness [78.98998551326812]
  従来の手法では、データの時系列ダイナミクスと、異なるセンサーの特徴の関連性の両方をめったに利用していない、と我々は主張する。 我々はDynImpと呼ばれるモデルを提案し、特徴軸に沿って近接する隣人と異なる時間点の欠如を扱う。 本手法は, 関連センサのマルチモーダル性特性を活かし, 履歴時系列のダイナミックスから学習し, 極端に欠落した状態でデータを再構築することができることを示す。
  論文  参考訳（メタデータ） (2022-09-26T21:59:14Z)
• Approximate Function Evaluation via Multi-Armed Bandits [51.146684847667125]
  既知の滑らかな関数 $f$ の値を未知の点 $boldsymbolmu in mathbbRn$ で推定する問題について検討する。 我々は、各座標の重要性に応じてサンプルを学習するインスタンス適応アルゴリズムを設計し、少なくとも1-delta$の確率で$epsilon$の正確な推定値である$f(boldsymbolmu)$を返す。
  論文  参考訳（メタデータ） (2022-03-18T18:50:52Z)
• Kimera-Multi: Robust, Distributed, Dense Metric-Semantic SLAM for Multi-Robot Systems [92.26462290867963]
  Kimera-Multiは、最初のマルチロボットシステムであり、不正なインターループとイントラロボットループの閉鎖を識別し拒否することができる。 我々は、フォトリアリスティックシミュレーション、SLAMベンチマークデータセット、地上ロボットを用いて収集された屋外データセットの挑戦において、Kimera-Multiを実証した。
  論文  参考訳（メタデータ） (2021-06-28T03:56:40Z)

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。