論文の概要: Quickest Change-point Detection in Generalized Linear Models with Variational Estimation

• arxiv url: http://arxiv.org/abs/2610.16616v1
• Date: Mon, 12 Oct 2026 11:31:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-18 22:13:54.437207
• Title: Quickest Change-point Detection in Generalized Linear Models with Variational Estimation
• Title（参考訳）: 変分推定を伴う一般化線形モデルにおける最短変化点検出
• Abstract要約: ポスト・チェンジパラメータが不明な場合、一般化線形モデルにおいて、最も高速な変更点検出について検討する。 検出は変更後すぐに行う必要があるため、変更後のパラメータは限られた数の観測から推定する必要がある。 変動不等式 (VI) の定式化を用いて変更後のパラメータを推定するウィンドウ限定CUSUM手法を提案する。
• 参考スコア（独自算出の注目度）: 12.68065381683654
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We consider quickest change-point detection in generalized linear models when the post-change parameter is unknown. Such problems arise, for example, when monitoring whether the relationship between a learned representation and an observed response changes over time. Since detection must occur soon after a change, the post-change parameter must be estimated from a limited number of observations, making finite-sample estimation accuracy particularly important. We propose a window-limited CUSUM procedure that estimates the post-change parameter using a variational-inequality (VI) formulation. For noncanonical links, VI estimation can offer favorable finite-sample accuracy over short windows despite the asymptotic efficiency advantage of maximum likelihood estimation. We characterize how estimation error reduces the effective post-change information rate and affects detection delay, and derive finite-window guarantees accounting for both statistical error and incomplete numerical optimization. The resulting procedure retains false-alarm control and achieves first-order asymptotic optimality under suitable conditions. Numerical experiments compare detection delay and update cost for fixed-budget estimation and benchmark VI-WLCUSUM against alternative detectors.
• Abstract（参考訳）: ポスト・チェンジパラメータが不明な場合、一般化線形モデルにおいて、最も高速な変更点検出について検討する。 このような問題は、例えば、学習された表現と観察された応答の関係が時間とともに変化するかどうかを監視するときに発生する。 検出は変更後すぐに行う必要があるため、変更後のパラメータは限られた数の観測から推定する必要があるため、有限サンプル推定精度は特に重要である。 変動不等式 (VI) の定式化を用いて変更後のパラメータを推定するウィンドウ限定CUSUM手法を提案する。 非標準リンクの場合、VI推定は、最大推定の漸近効率の利点にもかかわらず、短いウィンドウに対して良好な有限サンプル精度を提供できる。 統計的誤差と不完全な数値最適化の両方を考慮に入れた有限ウィンドウを導出することにより,推定誤差が有効変更後の情報レートを減らし,検出遅延に影響を与えることを特徴付ける。 結果として得られる手順は、偽アラーム制御を保持し、適切な条件下で一階の漸近的最適性を達成する。 数値実験では、固定予算推定のための検出遅延と更新コストと、代替検出器に対するVI-WLCUSUMのベンチマークを比較した。

関連論文リスト

• Optimal state detection without likelihood estimation [0.0]
  蛍光状態検出における適応ベイズ推定は、明暗数率で固定された2つの算術時間列と経過時間の比較に還元されることを示す。 確率はリアルタイムに計算されず、その結果、逐次期限検出と呼ばれる実装は、平均検出時間において確実に最適である。
  論文  参考訳（メタデータ） (2026-10-02T01:01:43Z)
• Uncertainty-Calibrated Test-Time Model Adaptation without Forgetting [65.21599711087538]
  テスト時間適応(TTA)は、与えられたモデルw.r.t.を任意のテストサンプルに適用することにより、トレーニングデータとテストデータの間の潜在的な分散シフトに取り組むことを目指している。 事前の手法は各テストサンプルに対してバックプロパゲーションを実行するため、多くのアプリケーションに対して許容できない最適化コストがかかる。 本稿では, 有効サンプル選択基準を策定し, 信頼性および非冗長なサンプルを同定する, 効率的なアンチフォッティングテスト時間適応法を提案する。
  論文  参考訳（メタデータ） (2024-03-18T05:49:45Z)
• A Targeted Accuracy Diagnostic for Variational Approximations [8.969208467611896]
  変分推論(VI)はマルコフ・チェイン・モンテカルロ(MCMC)の魅力的な代替品である 既存の方法は、全変分分布の品質を特徴付ける。 配電近似精度(TADDAA)のためのTArgeted診断法を提案する。
  論文  参考訳（メタデータ） (2023-02-24T02:50:18Z)
• 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)
• Unsupervised Change Detection using DRE-CUSUM [14.73895038690252]
  DRE-CUSUMは、時系列データの統計的変化を決定するために、教師なし密度比推定(DRE)に基づく手法である。 本稿では,統計的変化を確実に検出できることを示す理論的正当性および精度保証を示す。 我々は、既存の最先端の教師なしアルゴリズムよりも、合成データセットと実世界のデータセットの両方を用いて、DRE-CUSUMの優位性を実験的に示す。
  論文  参考訳（メタデータ） (2022-01-27T17:25:42Z)
• Optimal Sequential Detection of Signals with Unknown Appearance and Disappearance Points in Time [64.26593350748401]
  本論文は、変化の期間が有限で未知であると仮定して、逐次的な変化点検出問題に対処する。 我々は、所定の時間(または空間)ウィンドウにおける最小検出確率を最大化する信頼性の高い最大変更検出基準に焦点を当てる。 FMAアルゴリズムは、光学画像中の衛星のかすかなストリークを検出するために応用される。
  論文  参考訳（メタデータ） (2021-02-02T04:58:57Z)
• The Variational Method of Moments [65.91730154730905]
  条件モーメント問題は、観測可能量の観点から構造因果パラメータを記述するための強力な定式化である。 OWGMMの変動最小値再構成により、条件モーメント問題に対する非常に一般的な推定器のクラスを定義する。 同じ種類の変分変換に基づく統計的推測のためのアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2020-12-17T07:21:06Z)
• Partially Observable Online Change Detection via Smooth-Sparse Decomposition [16.8028358824706]
  本研究は,センサ容量の制限により,各センシング時点におけるデータストリームのサブセットのみを観測できる,疎度な変化を伴う高次元データストリームのオンライン変化検出について考察する。 一方、検出方式は、部分的に観測可能なデータを扱うことができ、一方、スパース変化に対する効率的な検出能力を有するべきである。 本稿では,CDSSDと呼ばれる新しい検出手法を提案する。特にスムーズな分解によるスムーズな変化を伴う高次元データの構造について述べる。
  論文  参考訳（メタデータ） (2020-09-22T16:03:04Z)
• A Framework for Sample Efficient Interval Estimation with Control Variates [94.32811054797148]
  確率変数の平均に対して信頼区間を推定する問題を考察する。 ある条件下では、既存の推定アルゴリズムと比較して効率が向上している。
  論文  参考訳（メタデータ） (2020-06-18T05:42:30Z)
• Optimal Change-Point Detection with Training Sequences in the Large and Moderate Deviations Regimes [72.68201611113673]
  本稿では,情報理論の観点から,新しいオフライン変化点検出問題について検討する。 基礎となる事前および変更後分布の知識は分かっておらず、利用可能なトレーニングシーケンスからのみ学習できると仮定する。
  論文  参考訳（メタデータ） (2020-03-13T23:39:40Z)

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。