論文の概要: Score-Based Change-Point Detection and Region Localization for Spatio-Temporal Point Processes

• arxiv url: http://arxiv.org/abs/2602.04798v1
• Date: Wed, 04 Feb 2026 17:44:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-05 19:45:11.662489
• Title: Score-Based Change-Point Detection and Region Localization for Spatio-Temporal Point Processes
• Title（参考訳）: 時空間過程のスコアベース変化点検出と領域局在化
• Authors: Wenbin Zhou, Liyan Xie, Shixiang Zhu,
• Abstract要約: 本研究では,連続時空間における変化時間と変化領域を共同で推定する,可能性のないスコアベース検出フレームワークを提案する。 手順はどちらも停止時間と推定変更領域を出力し、空間的解釈性のあるリアルタイム検出を可能にする。
• 参考スコア（独自算出の注目度）: 14.068679218846894
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study sequential change-point detection for spatio-temporal point processes, where actionable detection requires not only identifying when a distributional change occurs but also localizing where it manifests in space. While classical quickest change detection methods provide strong guarantees on detection delay and false-alarm rates, existing approaches for point-process data predominantly focus on temporal changes and do not explicitly infer affected spatial regions. We propose a likelihood-free, score-based detection framework that jointly estimates the change time and the change region in continuous space-time without assuming parametric knowledge of the pre- or post-change dynamics. The method leverages a localized and conditionally weighted Hyvärinen score to quantify event-level deviations from nominal behavior and aggregates these scores using a spatio-temporal CUSUM-type statistic over a prescribed class of spatial regions. Operating sequentially, the procedure outputs both a stopping time and an estimated change region, enabling real-time detection with spatial interpretability. We establish theoretical guarantees on false-alarm control, detection delay, and spatial localization accuracy, and demonstrate the effectiveness of the proposed approach through simulations and real-world spatio-temporal event data.
• Abstract（参考訳）: 本研究では,時空間変化の発生時期だけでなく,空間に現れる位置の特定も要求される時空間点過程の逐次的変化点検出について検討する。 古典的な急激な変化検出手法は検出遅延と偽アラームレートを強く保証するが、既存のポイントプロセスデータのアプローチは時間的変化に重点を置いており、影響のある空間領域を明示的に推測しない。 本研究では,変化時間と変化領域を連続時空間で共同で推定する確率自由なスコアベース検出フレームワークを提案する。 この方法は、局所的および条件的に重み付けされたHyvärinenスコアを利用して、名目行動からの事象レベルの偏差を定量化し、空間領域の所定のクラスにおける時空間CUSUM型統計量を用いてこれらのスコアを集約する。 手順は順次動作し、停止時間と推定変更領域の両方を出力し、空間的解釈性のあるリアルタイム検出を可能にする。 本研究では,疑似警報制御,検出遅延,空間的位置決め精度に関する理論的保証を確立し,シミュレーションと実世界の時空間事象データを用いて提案手法の有効性を実証する。

関連論文リスト

• Adaptive PCA-Based Outlier Detection for Multi-Feature Time Series in Space Missions [0.04510277221887893]
  特徴量削減のための主成分分析(PCA)の再構成誤差に基づく適応型外乱検出アルゴリズムを提案する。 我々は,NASAのMMSミッション観測を通して,宇宙環境,昼と夜の過渡現象,遷移層などの宇宙プラズマ事象を検出するアルゴリズムの有効性を実証した。
  論文  参考訳（メタデータ） (2025-04-22T12:42:38Z)
• Online Change Points Detection for Linear Dynamical Systems with Finite Sample Guarantees [1.6026317505839445]
  本研究では,未知の力学を持つ線形力学系に対するオンライン変化点検出問題について検討する。 我々は,誤報を発生させる確率に基づいて,予め指定された上限を達成できるデータ依存しきい値を開発する。
  論文  参考訳（メタデータ） (2023-11-30T18:08:16Z)
• Score Matching-based Pseudolikelihood Estimation of Neural Marked Spatio-Temporal Point Process with Uncertainty Quantification [59.81904428056924]
  我々は、不確実な定量化を伴うmarkPsを学習するためのスコアMAtching推定器であるSMASHを紹介する。 具体的には,スコアマッチングによるマークPsの擬似的類似度を推定することにより,正規化自由度を推定する。 提案手法の優れた性能は、事象予測と不確実性定量化の両方において広範な実験によって実証される。
  論文  参考訳（メタデータ） (2023-10-25T02:37:51Z)
• Delving into Sequential Patches for Deepfake Detection [64.19468088546743]
  近年の顔偽造技術は、ほとんど追跡不可能なディープフェイクビデオを生み出しており、悪意のある意図で活用することができる。 従来の研究では、ディープフェイク法にまたがる一般化を追求する上で、局所的な低レベルな手がかりと時間的情報の重要性が指摘されてきた。 本稿では,局所的・時間的変換をベースとしたDeepfake Detectionフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-06T16:46:30Z)
• Bandit Quickest Changepoint Detection [55.855465482260165]
  すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。 有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。 本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
  論文  参考訳（メタデータ） (2021-07-22T07:25:35Z)
• Unsupervised Domain Adaptation for Spatio-Temporal Action Localization [69.12982544509427]
  S時間動作の局所化はコンピュータビジョンにおいて重要な問題である。 本稿では、エンドツーエンドの教師なしドメイン適応アルゴリズムを提案する。 空間的特徴と時間的特徴を別々にあるいは共同的に適応した場合に,顕著な性能向上が達成できることを示す。
  論文  参考訳（メタデータ） (2020-10-19T04:25:10Z)
• Change Point Detection in Time Series Data using Autoencoders with a Time-Invariant Representation [69.34035527763916]
  変化点検出(CPD)は、時系列データにおける急激な特性変化を見つけることを目的としている。 近年のCDD法は、深層学習技術を用いる可能性を示したが、信号の自己相関統計学におけるより微妙な変化を識別する能力に欠けることが多い。 我々は、新しい損失関数を持つオートエンコーダに基づく手法を用い、使用済みオートエンコーダは、CDDに適した部分的な時間不変表現を学習する。
  論文  参考訳（メタデータ） (2020-08-21T15:03:21Z)
• Real-time Detection of Clustered Events in Video-imaging data with Applications to Additive Manufacturing [9.018291036304941]
  本稿では,映像データにおける異常検出のための統合時間分解と回帰手法を提案する。 本手法は, 金属添加物製造プロセスにおいて, 局所過熱現象(ホットスポット)を検出し, 検出するために, 映像データの解析に応用した。
  論文  参考訳（メタデータ） (2020-04-23T05:32:13Z)
• Progressive Cross-Stream Cooperation in Spatial and Temporal Domain for Action Localization [84.73693644211596]
  S時間的行動局所化は、空間的局所化、行動分類、時間的局所化の3つのレベルからなる。 上記の3つの課題をすべて改善する,新たなプログレッシブなクロスストリーム協調フレームワークを提案する。
  論文  参考訳（メタデータ） (2019-05-28T02:29:12Z)

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。