Fugu-MT 論文翻訳(概要): Post Hoc Inference for Component Attribution in Multivariate Change-Point Detection

論文の概要: Post Hoc Inference for Component Attribution in Multivariate Change-Point Detection

arxiv url: http://arxiv.org/abs/2607.14814v1
Date: Thu, 16 Jul 2026 10:30:52 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-17 17:01:33.076521
Title: Post Hoc Inference for Component Attribution in Multivariate Change-Point Detection
Title（参考訳）: 多変量変化点検出における成分属性のポストホック推論
Abstract要約: 本稿では,2つの事前定義された座標ブロックのいずれかに変化が生じるか否かを判断するためのポストホック統計手順を提案する。本手法は,非パラメトリックテストに特に焦点をあてた2サンプル試験法に頼っている。シミュレーションと実データ実験により提案手法の強い性能を示す。
参考スコア（独自算出の注目度）: 2.181585878579637
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We consider the post-detection analysis of change-points for multivariate time series, with the goal of identifying which coordinates are responsible for a detected change. After a change-point has been located by an offline detection algorithm, we propose post hoc statistical procedures to determine whether the change occurs in either of two predefined blocks of coordinates or in both. Our methods rely on two-sample testing procedures with a particular focus on nonparametric tests; we provide theoretical guarantees for Type I error control. Simulations and a real-data experiment demonstrate the strong performance of the proposed procedures.
Abstract（参考訳）: 多変量時系列における変化点のポスト検出分析について検討し、どの座標が検出された変化の原因であるかを特定することを目的とする。オフライン検出アルゴリズムによって変化点が検出された後、あらかじめ定義された2つの座標ブロックのいずれかに変化が生じたか、あるいはその両方で生じたかを決定するためのポストホック統計手順を提案する。提案手法は,非パラメトリックテストに特に焦点をあてた2サンプルテスト手法に依存し,I型エラー制御の理論的保証を提供する。シミュレーションと実データ実験により提案手法の強い性能を示す。

関連論文リスト

Change Point Detection with Copula Entropy based Two-Sample Test [1.7125489646780319]
変更点検出は、時系列の変化を見つけることを目的とした典型的なタスクであり、2サンプルテストに対処できる。コピュラエントロピー(Copula Entropy)は、統計的な独立性を測定する数学的概念であり、最近導入された2サンプルテストである。本研究では,コプラエントロピーに基づく2サンプル検定による多変点検出のための非パラメトリック多変量法を提案する。
論文参考訳（メタデータ） (2024-02-03T20:36:48Z)
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)
Variational Voxel Pseudo Image Tracking [127.46919555100543]
不確実性推定は、ロボット工学や自律運転といった重要な問題にとって重要なタスクである。本稿では,3次元物体追跡のためのVoxel Pseudo Image Tracking (VPIT) の変分ニューラルネットワークによるバージョンを提案する。
論文参考訳（メタデータ） (2023-02-12T13:34:50Z)
E-detectors: a nonparametric framework for sequential change detection [86.15115654324488]
逐次的変化検出のための基本的かつ汎用的なフレームワークを開発する。私たちの手順は、平均走行距離のクリーンで無症状な境界が伴います。統計的および計算効率の両方を達成するために,これらの混合物を設計する方法を示す。
論文参考訳（メタデータ） (2022-03-07T17:25:02Z)
Learning Sinkhorn divergences for supervised change point detection [24.30834981766022]
そこで本研究では,実測値学習の監督として,真の変化点インスタンスを用いた新しい変化点検出フレームワークを提案する。提案手法は,特徴選択と解釈の両方に有用であるスパース計量の学習に利用できる。
論文参考訳（メタデータ） (2022-02-08T17:11:40Z)
Benchmarking Deep Models for Salient Object Detection [67.07247772280212]
汎用SALOD(General SALient Object Detection)ベンチマークを構築し,複数のSOD手法の総合的な比較を行った。以上の実験では、既存の損失関数は、通常いくつかの指標に特化しているが、他の指標には劣る結果が報告されている。我々は,深層ネットワークに画素レベルと画像レベルの両方の監視信号を統合することにより,より識別的な特徴を学習するためのエッジ・アウェア・ロス(EA)を提案する。
論文参考訳（メタデータ） (2022-02-07T03:43:16Z)
Mitigating the Mutual Error Amplification for Semi-Supervised Object Detection [92.52505195585925]
擬似ラベルの修正機構を導入し,相互誤りの増幅を緩和するクロス・インストラクション(CT)手法を提案する。他の検出器からの予測を直接擬似ラベルとして扱う既存の相互指導法とは対照的に,我々はラベル修正モジュール(LRM)を提案する。
論文参考訳（メタデータ） (2022-01-26T03:34:57Z)
Valid and Exact Statistical Inference for Multi-dimensional Multiple Change-Points by Selective Inference [17.926836136701194]
多次元配列における変化点(CP)の統計的推定について検討した。検出された位置と成分の統計的信頼性を評価するための有効な正確な推測方法が確立されていない。提案手法の有効性を,ゲノム異常の同定と人間の行動解析の問題点に適用することで実証する。
論文参考訳（メタデータ） (2021-10-18T02:44:34Z)
Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
論文参考訳（メタデータ） (2021-01-12T12:02:26Z)
Sequential Changepoint Detection in Neural Networks with Checkpoints [11.763229353978321]
本稿では,オンライン変化点検出と同時モデル学習のためのフレームワークを提案する。次々に一般化された確率比テストを行うことにより、経時的に変化点を検出する。オンラインベイズ変化点検出と比較して性能が向上した。
論文参考訳（メタデータ） (2020-10-06T21:49:54Z)
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)

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。