Fugu-MT 論文翻訳(概要): Adaptive KDE for Real-Time Thresholding: Prioritized Queues for Financial Crime Investigation

論文の概要: Adaptive KDE for Real-Time Thresholding: Prioritized Queues for Financial Crime Investigation

arxiv url: http://arxiv.org/abs/2601.14473v1
Date: Tue, 20 Jan 2026 20:55:46 GMT
ステータス: 翻訳完了
システム内更新日: 2026-01-22 21:27:50.149121
Title: Adaptive KDE for Real-Time Thresholding: Prioritized Queues for Financial Crime Investigation
Title（参考訳）: リアルタイムスレッショルドのための適応型KDE:金融犯罪調査のための優先順位付きキュー
Authors: Danny Butvinik, Nana Boateng, Achi Hackmon,
Abstract要約: オンライン適応カーネル密度をスコアストリームに適合させ、その密度をテール質量曲線に変換してキャパシティを満たす。合成, ドリフト, マルチモーダルストリームにおいて, しきい値ジッタを低減しつつ, 競合能力の定着を実現する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We study the problem of converting a stream of risk scores into one or more review queues under explicit intake constraints[cite: 6]. Instead of top-$K$ or manually tuned cutoffs, we fit an online adaptive kernel density to the score stream, transform the density into a tail-mass curve to meet capacity, and ``snap'' the resulting cut to a persistent density valley detected across bandwidths[cite: 7]. The procedure is label-free, supports multi-queue routing, and operates in real time with sliding windows or exponential forgetting[cite: 8]. On synthetic, drifting, multimodal streams, the method achieves competitive capacity adherence while reducing threshold jitter[cite: 9]. Updates cost $O(G)$ per event with constant memory per activity
Abstract（参考訳）: リスクスコアのストリームを明示的な摂取制約の下で1つ以上のレビューキューに変換する問題について検討する[引用6]。トップ$Kや手動で調整されたカットオフの代わりに、オンライン適応カーネル密度をスコアストリームに適合させ、その密度をキャパシティを満たすためにテール質量曲線に変換します。このプロシージャはラベルフリーで、マルチキュールーティングをサポートし、スライディングウインドウや指数的スクリプティング[cite: 8]でリアルタイムに動作する。合成, ドリフト, マルチモーダルストリームでは, しきい値ジッタを減少させながら, 競争力の定着を図る。アップデートのコストは1イベントあたり$O(G)$で、アクティビティ毎にメモリが一定になる

関連論文リスト

TS-DP: Reinforcement Speculative Decoding For Temporal Adaptive Diffusion Policy Acceleration [64.32072516882947]
拡散ポリシーは、具体的制御が優れているが、高い推論遅延と計算コストに悩まされている。時間認識強化に基づく投機的拡散政策(TS-DP)を提案する。 TS-DPは94%以上のドラフトで最大4.17倍高速な推論を実現し、推論周波数は25Hzに達した。
論文参考訳（メタデータ） (2025-12-13T07:53:14Z)
Gated KalmaNet: A Fading Memory Layer Through Test-Time Ridge Regression [53.48692193399171]
Gated KalmaNet(GKA)は、次のトークンを予測する際に、すべての過去を説明することによってギャップを低減するレイヤである。テスト時間におけるオンラインリッジ回帰問題を一定メモリと線形計算コストで解決する。ロングコンテキストでは、GKAは現実世界のRAGタスクとLongQAタスクを最大128kトークンまで拡張し、他の薄型メモリベースラインよりも10ドル%以上の相対的な改善を実現している。
論文参考訳（メタデータ） (2025-11-26T03:26:37Z)
Environment-Aware Indoor LoRaWAN Path Loss: Parametric Regression Comparisons, Shadow Fading, and Calibrated Fade Margins [3.776919981139063]
内部のLoRaWAN伝播は、構造的および時間的変化の文脈因子によって形成される。リークセーフなクロスバリデーションを用いて評価した,環境に配慮した統計的に規律のある経路損失フレームワークを提案する。
論文参考訳（メタデータ） (2025-10-05T20:14:48Z)
Network-Optimised Spiking Neural Network for Event-Driven Networking [2.5941336499463383]
スパイキングニューラルネットワークは、異常検出、ローカルルーティング制御、エッジでの混雑管理など、時間クリティカルなネットワークタスクに適したイベント駆動型計算を提供する。本稿では,正規化された待ち行列の占有状態と回復資源を符号化したコンパクトな2変数ユニットであるNetwork-Optimized Spiking (NOS)を紹介する。我々は、データ駆動初期化、リセットシャープネスに基づくホモトピーによる代理段階トレーニング、リソース制約されたデプロイメントのための境界のトポロジによる明確な安定性チェックのガイダンスを提供する。
論文参考訳（メタデータ） (2025-09-27T22:31:24Z)
GDNSQ: Gradual Differentiable Noise Scale Quantization for Low-bit Neural Networks [0.0]
量子化されたニューラルネットワークはノイズの多いチャネルの連鎖と見なすことができる。我々は、平均ビット幅が減少するにつれてキャパシティのダイナミクスを追跡し、スムーズで制約のある最適化問題として微調整をキャストすることで、結果の量子化ボトルネックを同定する。提案手法では,学習可能なビット幅境界,ノイズスケール,クランプを備えた完全微分可能なストレートスルー推定器(STE)を用い,外点ペナルティにより目標ビット幅を強制する。
論文参考訳（メタデータ） (2025-08-19T17:05:26Z)
Online Learning of Whittle Indices for Restless Bandits with Non-Stationary Transition Kernels [24.314013749328677]
本研究では,レスレスマルチアームバンド (RMAB) における資源配分について,未知および非定常力学の下で検討する。我々は,時変カーネルに適応しながら計算効率を保ちながら,スライディング・ウィンドウ・オンラインウィトル (SW-Whittle) ポリシーを提案する。我々のアルゴリズムは一貫してベースラインを上回り、様々な非定常環境において最も低い累積的後悔を達成している。
論文参考訳（メタデータ） (2025-06-22T22:04:52Z)
vCache: Verified Semantic Prompt Caching [95.16654660556975]
本稿では,ユーザ定義エラー率保証を備えた最初の検証済みセマンティックキャッシュであるvCacheを提案する。オンライン学習アルゴリズムを使用して、キャッシュされたプロンプト毎に最適な閾値を推定し、追加のトレーニングなしで信頼性の高いキャッシュ応答を可能にする。我々の実験によると、vCacheは特定のエラー境界を一貫して満たし、最先端の静的な閾値と微調整された埋め込みベースラインより優れています。
論文参考訳（メタデータ） (2025-02-06T04:16:20Z)
Bandwidth-based Step-Sizes for Non-Convex Stochastic Optimization [31.930675913174746]
帯域幅に基づくステップサイズネットワークの収束保証を導出する。運動量変動(SGDM)は帯域幅ベースのステップサイズでSGDに匹敵する速さで訓練されることを示す。
論文参考訳（メタデータ） (2021-06-05T13:12:15Z)
Beta-CROWN: Efficient Bound Propagation with Per-neuron Split Constraints for Complete and Incomplete Neural Network Verification [151.62491805851107]
私たちは、ニューロン毎の分割を完全にエンコードできるバウンド伝搬ベースの検証器である$beta$-crownを開発した。 Beta$-CROWNはLPベースのBaB法よりも3桁近い速さで堅牢性検証が可能です。 BaBを早期に終了することにより、不完全な検証にも使用できます。
論文参考訳（メタデータ） (2021-03-11T11:56:54Z)
AQD: Towards Accurate Fully-Quantized Object Detection [94.06347866374927]
本稿では,浮動小数点演算を除去するために,AQDと呼ばれる高精度な量子化オブジェクト検出ソリューションを提案する。我々のAQDは、非常に低ビットのスキームの下での完全精度と比較して、同等またはそれ以上の性能を実現しています。
論文参考訳（メタデータ） (2020-07-14T09:07:29Z)

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。