Fugu-MT 論文翻訳(概要): Convergence-Aware Pareto Selection of Covariate Scaling Transformations for Markov Deterioration Hazard Models: Evidence from Bridge Inspection Data

論文の概要: Convergence-Aware Pareto Selection of Covariate Scaling Transformations for Markov Deterioration Hazard Models: Evidence from Bridge Inspection Data

arxiv url: http://arxiv.org/abs/2609.31786v1
Date: Thu, 24 Sep 2026 21:57:18 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-08 12:50:57.383451
Title: Convergence-Aware Pareto Selection of Covariate Scaling Transformations for Markov Deterioration Hazard Models: Evidence from Bridge Inspection Data
Title（参考訳）: マルコフ劣化ハザードモデルに対する共変量スケーリング変換の収束を考慮したパレート選択:橋梁検査データからの証拠
Abstract要約: 橋梁検査遷移データ上でL-BFGS-Bを用いて推定した指数ハザードマルコフ(EHM)モデルに対して,トレーニングによる正のシフトが適用可能であることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Maximum likelihood estimation of Markov deterioration hazard models for infrastructure asset management is sensitive to the numerical conditioning of explanatory covariates, yet production pipelines often adopt a single scaling convention without systematic justification. We study four covariate scaling transformations---baseline max scaling, min-max scaling, z-score scaling, and Box-Cox transformation with a training-derived positivity shift---applied to an Exponential Hazard Markov (EHM) model estimated via L-BFGS-B on bridge inspection transition data.
Abstract（参考訳）: インフラ資産管理のためのマルコフ劣化ハザードモデルの最大推定は、説明的共変量の数値条件付けに敏感であるが、生産パイプラインは体系的な正当化なしに単一のスケーリング規則を採用することが多い。我々は,L-BFGS-Bで推定した指数ハザードマルコフ(EHM)モデルに適応し,最大スケーリング,min-maxスケーリング,z-scoreスケーリング,Box-Cox変換の4つの共変量スケーリング変換について検討した。

関連論文リスト

Integrating Neural Encoders in Bayesian Generalized Linear Mixed Models for Multimodal Data [2.566287700129649]
一般化線形混合モデル(GLMM)のための条件付きベイズ設計法を開発した。我々は、GLMMの目的と協調して1つ以上のモダリティ固有のニューラルエンコーダを学習し、学習された表現に条件付きGLMMパラメータに対して分散補正段階MCMCを実行する。このフレームワークは、予測性能を犠牲にすることなく、個人レベルと人口レベルの各モードの相対的重要性を微妙に評価することができる。
論文参考訳（メタデータ） (2026-07-06T04:01:22Z)
Soft Graph Diffusion Transformer for MIMO Detection [26.149951750258026]
本稿では,ノイズレベルのデノナイズプロセスとして検出を再構成するSoft Graph Diffusion Transformer (SGDiT)を提案する。適応層正規化(AdaLN)条件付きソフトグラフ変換器を用いてデノナイジングダイナミクスのパラメータ化を行う。本稿では,SGDiTが代表ベースラインと比較して競合ビット誤り率(BER)を実現することを示す。
論文参考訳（メタデータ） (2026-05-01T06:36:14Z)
Generalization and Scaling Laws for Mixture-of-Experts Transformers [0.0]
我々は,Mixture-of-Experts (MoE) 変換器の一般化とスケーリングの理論を開発する。本手法は, アクティブパラメータの予算で計量エントロピーがスケールする超ノルム被覆数界を導出し, MoE 固有のルーティングオーバヘッドを発生させる。我々は,MoE アーキテクチャの構成的近似定理を証明し,近似構成の下では,アクティブキャパシティのスケーリングや専門家数の増加によって誤差が減少することを示した。
論文参考訳（メタデータ） (2026-04-10T09:59:48Z)
Deep Partially Linear Transformation Model for Right-Censored Survival Data [6.315323176162257]
本稿では, 汎用かつ柔軟な回帰フレームワークとして, 深部部分線形変換モデル(DPLTM)を提案する。提案手法は, 興味あるコセンサーの解釈可能性を維持しつつ, 次元の呪いを避けることができる。総合シミュレーション研究は,提案手法の精度と予測力の両面から,優れた性能を示すものである。
論文参考訳（メタデータ） (2024-12-10T15:50:43Z)
PseudoNeg-MAE: Self-Supervised Point Cloud Learning using Conditional Pseudo-Negative Embeddings [55.55445978692678]
PseudoNeg-MAEは、ポイントクラウドマスマスキングオートエンコーダのグローバルな特徴表現を強化する。本研究では,ネットワークが識別的表現を保ちながら,よりリッチな変換キューをキャプチャできる新たな損失を提案する。
論文参考訳（メタデータ） (2024-09-24T07:57:21Z)
Score-based Causal Representation Learning with Interventions [54.735484409244386]
本稿では,潜在因果変数を間接的に観察する際の因果表現学習問題について検討する。目的は、 (i) 未知の線形変換(スケーリングまで)を回復し、 (ii) 潜在変数の下の有向非巡回グラフ(DAG)を決定することである。
論文参考訳（メタデータ） (2023-01-19T18:39:48Z)
Convex Augmentation for Total Variation Based Phase Retrieval [23.66790393154329]
本稿では,全変分正規化に基づく位相探索のための凸拡大手法を提案する。 PhaseLiftのような一般的な凸緩和モデルとは対照的に、我々のモデルは乗算器の半近交互方向修正法によって効率的に解ける。
論文参考訳（メタデータ） (2022-04-21T13:55:14Z)
Improving Generalization via Uncertainty Driven Perturbations [107.45752065285821]
トレーニングデータポイントの不確実性による摂動について考察する。損失駆動摂動とは異なり、不確実性誘導摂動は決定境界を越えてはならない。線形モデルにおいて,UDPがロバスト性マージン決定を達成することが保証されていることを示す。
論文参考訳（メタデータ） (2022-02-11T16:22:08Z)
BCD Nets: Scalable Variational Approaches for Bayesian Causal Discovery [97.79015388276483]
構造方程式モデル(SEM)は、有向非巡回グラフ(DAG)を介して表される因果関係を推論する効果的な枠組みである。近年の進歩により、観測データからDAGの有効最大点推定が可能となった。線形ガウス SEM を特徴付ける DAG 上の分布を推定するための変分フレームワークである BCD Nets を提案する。
論文参考訳（メタデータ） (2021-12-06T03:35:21Z)
Estimation of Switched Markov Polynomial NARX models [75.91002178647165]
非線形自己回帰(NARX)成分を特徴とするハイブリッド力学系のモデル群を同定する。提案手法は, 特定の回帰器を持つ3つの非線形サブモデルからなるSMNARX問題に対して実証される。
論文参考訳（メタデータ） (2020-09-29T15:00:47Z)

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。