概念器的变点检测

Aug, 2023

Change Point Detection With Conceptors

Noah D. Gade, Jordan Rodu

TL;DR离线变点检测通过识别时间序列中数据生成过程发生变化的点。我们针对至多一个变点的问题，提出使用概念矩阵来学习时间序列中指定训练窗口的特征动态。相关的随机循环神经网络作为数据的特征提取器，并通过特征化和代表性概念矩阵张成的空间之间的单变量距离来识别变点。这种模型无关的方法可以指引进一步研究的潜在兴趣点。我们证明，在温和的假设下，该方法提供了真实变点的一致估计，并通过原始数据的移动块自助法产生统计量的分位数估计。我们使用多类模拟数据对该方法进行测试，并通过聚类度量，图形方法和观察到的 Type 1 错误控制进行性能评估。我们将该方法应用于公开可用的大鼠神经数据，这些数据来自在探索放射迷宫之前经历非 REM 睡眠的阶段。

Abstract

Offline change point detection seeks to identify points in a time series where the data generating process changes. This problem is well studied for univariate i.i.d. data, but becomes challenging with increasing dimension and temporal dependence. For the at most one change point probl

change point detection conceptor matrix recurrent neural network simulation neural data

发现论文，激发创造

贝叶斯在线变点检测

本文提出了一种基于贝叶斯方法的在线检测突变点的算法，该算法针对在突变点前后的模型参数独立的情况，采用简单的信息传递算法计算了当前 “run” 的长度的概率分布，并在三个不同的真实数据集上进行了演示。

Oct, 2007

在线具有有限样本保证的线性动力系统变点检测

在线线性动力系统中的变点检测方法，解决了时间序列属性突变检测的问题，包括未知动力学、时间相关性和多个变点时的检测准确度和延迟的理论保证。

Nov, 2023

非监督式异质传感器信号变点检测

本文介绍无监督变点检测技术，该方法适用于处理各种数据源，无需大量标注数据，并针对多项评估标准比较不同算法。

May, 2023

离线变点检测方法综述

本文介绍了多变量时间序列离线检测的多个变点的算法。为了组织这个广泛的工作领域，采用了一种一般但有结构化的方法论策略。此次审查中考虑的检测算法由三个因素组成：成本函数、搜索方法和对变化数量的约束。对这些因素进行了描述、回顾和讨论。文中描述的主要算法的实现提供在名为 ruptures 的 Python 包中。

Jan, 2018

使用具有时变不变性的自编码器进行时间序列数据的变点检测

使用基于自动编码器的新型损失函数方法对时间序列数据中的变点进行检测，能够发现信号自相关统计中更微妙的变化并减少误报率。该方法可在时间域、频率域或两者中指示变点，并可检测斜率、均值、方差、自相关函数和频率光谱的突变等。实验表明该方法在各种模拟和真实数据集中，始终比其他基线方法具有更高的性能。最后，我们使用匹配滤波器和新的变点分数结合的后处理程序，以解决误检报的问题。

Aug, 2020

检测演化网络大规模结构的变点

本研究在一个在线概率学习框架中，首次将网络变化点检测问题形式化，并引入了一种可靠的方法。该方法结合了广义分层随机图模型和贝叶斯假设检验，可以定量确定变化点何时、如何精确地发生。在使用已知类型和大小变化点的合成数据进行分析时，证明该方法比以前使用的几种替代方法更准确。应用于两个高分辨率的演化社交网络场景，该方法识别了一系列的变化点，并与这些网络已知的外部 “冲击” 相一致。

Mar, 2014

基于图形的变点检测

提出了一种基于图表示相似性的扫描统计学方法，适用于任何具有信息相似性度量的数据集，并提供了准确的分析逼近，用于检测和估计单个变化点和变化时间间隔，通过模拟发现该方法在数据维度中等到较高时比现有方法更具有优势，案例应用包括经典小说作者的确定和网络时间上变化的检测。

Sep, 2012

一种新的神经网络方法进行无记忆在线变点检测

本文提出了一种新颖的基于深度学习的方法，名为自适应 LSTM 自编码器变点检测（ALACPD），用于多维时间序列的无监督在线变点检测。经过对多个真实世界时间序列变点检测基准的广泛评估，结果表明，ALACPD 在时间序列分割质量方面排名第一，并且在估计变点的准确性方面与最佳表现者持平。

Jul, 2022

多元数据多重变点分析的非参数方法

本文介绍了一种适用于多维观测序列的无参数变点分析方法，基于分层聚类提出了分裂和合并算法，应用于遗传学、金融和时空分析中。

Jun, 2013

图时序中用于异常检测的局部统计量

本文利用生成潜在位置模型将变点检测问题定义为假设检验问题，关注时间序列的随机块模型这一特殊情形，并分析了基于不同局部统计方法的两类扫描统计量的极限分布和功率特性，并在合成数据和 Enron 电子邮件语料库上理论和性能比较，证明了两种统计量在一个简单境况下是可接受的，而其中一种统计量在第二种境况下是不可接受的。

Jun, 2013