論文の概要: Conditionally Identifiable Latent Representation for Multivariate Time Series with Structural Dynamics
- arxiv url: http://arxiv.org/abs/2603.22886v1
- Date: Tue, 24 Mar 2026 07:35:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-25 19:53:37.360008
- Title: Conditionally Identifiable Latent Representation for Multivariate Time Series with Structural Dynamics
- Title（参考訳）: 構造ダイナミクスをもつ多変量時系列の条件同定可能な潜時表現
- Authors: Minkey Chang, Jae-Young Kim,
- Abstract要約: 因子は置換や成分ワイドアフィン変換(モノトン可逆変換)まで同定可能であることを示す。
我々は,合成データに対する因子回収の改善,合成SCMに対する安定した介入精度,および実世界のベンチマークにおける競合確率予測を実証した。
- 参考スコア（独自算出の注目度）: 9.736137697615003
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose the Identifiable Variational Dynamic Factor Model (iVDFM), which learns latent factors from multivariate time series with identifiability guarantees. By applying iVAE-style conditioning to the innovation process driving the dynamics rather than to the latent states, we show that factors are identifiable up to permutation and component-wise affine (or monotone invertible) transformations. Linear diagonal dynamics preserve this identifiability and admit scalable computation via companion-matrix and Krylov methods. We demonstrate improved factor recovery on synthetic data, stable intervention accuracy on synthetic SCMs, and competitive probabilistic forecasting on real-world benchmarks.
- Abstract（参考訳）: 同定可能性保証付き多変量時系列から潜在因子を学習するiVDFM(Identably Variational Dynamic Factor Model)を提案する。
iVAE型条件付けを潜在状態よりもダイナミックスを駆動するイノベーションプロセスに適用することにより、置換やコンポーネントワイドアフィン(あるいはモノトン可逆)変換によって因子が識別可能であることを示す。
線形対角線力学は、この識別可能性を保持し、相補行列とクリロフ法によるスケーラブルな計算を認める。
我々は,合成データに対する因子回収の改善,合成SCMに対する安定した介入精度,および実世界のベンチマークにおける競合確率予測を実証した。
関連論文リスト
- On the Identifiability of Regime-Switching Models with Multi-Lag Dependencies [42.274922469778545]
マルチラグレジームスイッチングモデル(RSM)の一般的な理論的枠組みを開発する。
非線形ガウス条件下では,レギュラー数とマルチラグ遷移の双方の識別可能性を示す。
我々の結果は、アーキテクチャとノイズの仮定を通して完全に教師なしの設定を保ちます。
論文 参考訳（メタデータ） (2026-01-06T15:12:39Z) - Identifiable Representation and Model Learning for Latent Dynamic Systems [0.0]
本稿では,潜在力学系における表現とモデル学習の問題について検討する。
線形およびアフィン非線形潜時力学系にスパース入力行列を持つ場合、潜時変数をスケーリングまで同定できることを証明した。
論文 参考訳（メタデータ） (2024-10-23T13:55:42Z) - A Poisson-Gamma Dynamic Factor Model with Time-Varying Transition Dynamics [51.147876395589925]
非定常PGDSは、基礎となる遷移行列が時間とともに進化できるように提案されている。
後続シミュレーションを行うために, 完全共役かつ効率的なギブスサンプリング装置を開発した。
実験により,提案した非定常PGDSは,関連するモデルと比較して予測性能が向上することを示した。
論文 参考訳（メタデータ） (2024-02-26T04:39:01Z) - On the Identifiability of Switching Dynamical Systems [34.514858559727266]
潜在変数モデルの識別可能性は、解釈可能性と分布外一般化の関係から注目されている。
スイッチング力学系の識別可能性について検討し, 逐次潜在変数モデルへの識別可能性解析の展開に向けた第一歩を踏み出した。
論文 参考訳（メタデータ） (2023-05-25T10:53:18Z) - Latent Variable Representation for Reinforcement Learning [131.03944557979725]
モデルに基づく強化学習のサンプル効率を改善するために、潜在変数モデルが学習、計画、探索をいかに促進するかは理論上、実証上、不明である。
状態-作用値関数に対する潜在変数モデルの表現ビューを提供する。これは、抽出可能な変分学習アルゴリズムと楽観主義/悲観主義の原理の効果的な実装の両方を可能にする。
特に,潜伏変数モデルのカーネル埋め込みを組み込んだUPB探索を用いた計算効率の良い計画アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-12-17T00:26:31Z) - Recurrence Boosts Diversity! Revisiting Recurrent Latent Variable in
Transformer-Based Variational AutoEncoder for Diverse Text Generation [85.5379146125199]
変分自動エンコーダ(VAE)はテキスト生成において広く採用されている。
本稿ではトランスフォーマーをベースとしたリカレントVAE構造であるTRACEを提案する。
論文 参考訳（メタデータ） (2022-10-22T10:25:35Z) - Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable
Dynamical Systems [74.80320120264459]
本研究では、限られた数の人間の実演からそのような動きを学ぶためのアプローチを提案する。
複素運動は安定な力学系のロールアウトとして符号化される。
このアプローチの有効性は、確立されたベンチマーク上での検証と、現実世界のロボットシステム上で収集されたデモによって実証される。
論文 参考訳（メタデータ） (2020-05-27T03:51:57Z) - Variational Hyper RNN for Sequence Modeling [69.0659591456772]
本稿では,時系列データにおける高変数の取得に優れる新しい確率的シーケンスモデルを提案する。
提案手法では,時間潜時変数を用いて基礎となるデータパターンに関する情報をキャプチャする。
提案手法の有効性を,合成および実世界のシーケンシャルデータに示す。
論文 参考訳（メタデータ） (2020-02-24T19:30:32Z)
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。