論文の概要: Robust State-Conditional Feature-Weighted Jump Models for Temporal Clustering

• arxiv url: http://arxiv.org/abs/2606.13146v1
• Date: Thu, 11 Jun 2026 10:16:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.721235
• Title: Robust State-Conditional Feature-Weighted Jump Models for Temporal Clustering
• Title（参考訳）: 時空間クラスタリングのためのロバストな状態依存型特徴量ジャンプモデル
• Authors: Federico P. Cortese, Alessio Farcomeni,
• Abstract要約: 頑健性は、ツキーの双重損失関数を用いることで達成される。 ペナルティは時間の経過とともに遷移の滑らかさを促進するために使用され、一方、タキーの双重損失関数を用いることで頑健さが達成される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We propose a robust feature-weighted jump model for time-dependent clustering. A penalty is used to encourage smoothness of transitions over time, while robustness is achieved through the use of a Tukey's biweight loss function. An additional parameter controls the variability of feature weights across states, allowing the model to assign state-specific relevance to each feature. We illustrate in simulation how the method accurately recovers the true cluster sequence and reliably identifies relevant features, outperforming competing approaches, particularly in the presence of outliers. We conclude with two empirical applications, one on the number of conflict-related homicides in Kosovo in the period 1998-2000, and another on macroeconomic performance of twelve European countries in the period 1949-2024.
• Abstract（参考訳）: 時間依存クラスタリングのためのロバストな特徴重み付きジャンプモデルを提案する。 ペナルティは時間の経過とともに遷移の滑らかさを促進するために使用され、一方、タキーの双重損失関数を用いることで頑健さが達成される。 追加パラメータは、状態間の機能重みの変動を制御し、モデルが各機能に状態固有の関連性を割り当てることを可能にする。 本稿では,本手法が真のクラスタシーケンスを正確に回復し,関連する特徴を確実に同定し,特に異常点の存在下で,競合するアプローチよりも優れていることを示す。 我々は,コソボにおける1998-2000年の紛争関連フミミドの数と1949-2024年の欧州12カ国のマクロ経済性能に関する2つの実証的応用を結論付けた。

関連論文リスト

• Fortress: A Case Study in Stabilizing Search Recommendations via Temporal Data Augmentation and Feature Pruning [2.6494136490021387]
  Fortressは、時間の経過とともに一貫性のない予測スコアに寄与する特徴を特定し、誇張する。 Fortressを,大規模なアプリマーケットプレースにおけるクエリ・ツー・アプリ関連モデルで検証する。
  論文  参考訳（メタデータ） (2026-05-14T18:13:05Z)
• Multimodal Learning on Low-Quality Data with Conformal Predictive Self-Calibration [72.0672328514289]
  マルチモーダル学習は、しばしば低品質データの課題に悩まされる。 コンフォーマル予測自己校正(Conformal Predictive Self-Calibration)と呼ばれる統合フレームワークを提案する。 私たちのフレームワークは、既存の最先端メソッドを一貫して上回ります。
  論文  参考訳（メタデータ） (2026-05-05T14:48:52Z)
• Hybrid Hidden Markov Model for Modeling Equity Excess Growth Rate Dynamics: A Discrete-State Approach with Jump-Diffusion [0.0]
  パラメトリックモデルから深層生成ネットワークへの既存のアプローチは、重み付き分布、無視可能な線形自己相関、永続的なボラティリティクラスタリングを同時に再現するのに苦労している。 本稿では,連続的過剰成長率をLaplacequantile-defined market stateに離散化するハイブリッド隠れマルコフフレームワークを提案する。 パラメータは直接遷移カウントによって推定され、Baum-Welch EMアルゴリズムをバイパスする。
  論文  参考訳（メタデータ） (2026-03-10T20:06:53Z)
• CaFlow: Enhancing Long-Term Action Quality Assessment with Causal Counterfactual Flow [25.3923767595433]
  アクション品質アセスメント(AQA)は、アクションビデオから詳細な実行スコアを予測する。 フィギュアスケートやリズミカル体操のような長期AQAは、拡張時間力学のモデリングを必要とするため、特に困難である。 両方向の時間条件付きフローと反ファクトデコンバウンディングを統合した統合フレームワークであるCaFlowを提案する。
  論文  参考訳（メタデータ） (2025-11-26T18:25:41Z)
• Transformers Learn Faster with Semantic Focus [57.97235825738412]
  学習性と一般化の観点からスパース変圧器について検討する。 入力依存のスパースアテンションモデルは、標準アテンションモデルよりも早く収束し、より一般化しているように見える。
  論文  参考訳（メタデータ） (2025-06-17T01:19:28Z)
• Regulating Model Reliance on Non-Robust Features by Smoothing Input Marginal Density [93.32594873253534]
  信頼できる機械学習は、非ロバストな特徴に依存するモデルの厳密な規制を必要とする。 本稿では,モデル予測を入力に関連付けることによって,そのような特徴を記述・規制するフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-05T09:16:56Z)
• It's All in the Mix: Wasserstein Classification and Regression with Mixed Features [2.2685251390114565]
  我々は、離散的特徴の存在を忠実に説明できる分布的に堅牢な予測モデルを開発し、分析する。 我々のモデルは、離散的特徴の存在に非依存な既存手法を著しく上回り得ることを実証する。
  論文  参考訳（メタデータ） (2023-12-19T15:15:52Z)
• Provable Guarantees for Generative Behavior Cloning: Bridging Low-Level Stability and High-Level Behavior [51.60683890503293]
  生成モデルを用いた複雑な専門家による実演の行動クローニングに関する理論的枠組みを提案する。 任意の専門的軌跡の時間ごとのステップ分布に一致するトラジェクトリを生成することができることを示す。
  論文  参考訳（メタデータ） (2023-07-27T04:27:26Z)
• Robustness and Accuracy Could Be Reconcilable by (Proper) Definition [109.62614226793833]
  強靭性と精度のトレードオフは、敵文学において広く研究されている。 局所的不変性の帰納的バイアスを課す不適切に定義された頑健な誤差に由来する可能性がある。 定義上、SCOREは、最悪のケースの不確実性に対処しながら、堅牢性と正確性の間の和解を促進する。
  論文  参考訳（メタデータ） (2022-02-21T10:36:09Z)

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。