关键词change-point detection
搜索结果 - 15
- ACL动态嵌入主题模型与变点检测用于探索文学历史假设
我们提出了一种新颖的动态嵌入式主题模型和转折点检测的组合方法,用于探索古典与早期基督教拉丁语中词汇语义情态的历时变化。我们展示了几种方法来寻找和描述产出中的模式,并将其与比较文学和经典学中的传统学术研究联系起来。这种简单的无监督语义变化模型 - 基于导数感知高斯过程的突变点检测的主动学习
引入 Derivative-Aware Change Detection (DACD) 方法,通过使用高斯过程(GP)的导数过程进行主动学习(AL),以有效确定变点位置。DACD 通过多个数据采集函数(AFs)平衡导数过程的开发和探索,并利 - 语言条件的变点检测用于识别机器人领域中的子任务
利用语言指令识别机器人轨迹中的子任务,通过语言条件变点检测方法从长轨迹中找出与指令相对应的子轨迹片段,并通过实验证明了该方法在准确识别子任务方面的优越性。
- ACL流式短文本可靠可解释的漂移检测
本研究提出了一种可靠的端到端框架,用于大型任务导向对话系统中模型无关变点检测和解释,并通过模拟对话系统中的客户请求,评估了该方法并展示了其效果。
- 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, - 差分隐私变点检测
该论文通过差分隐私的视角研究了变点检测的统计问题,并提供了在线和离线变点检测的私有算法,并对这些算法进行了理论分析和实证验证。
- KDD从网络消息日志中学习潜在事件
本研究针对大型分布式数据中心网络中的错误消息分离问题进行了研究,提出了一种将该问题转换为文档主题发现问题的映射方法,并利用 LDA 算法进行求解。其中,引入了一个新的变点检测算法,将消息日志分割成称之为分集的小子集,并在实际数据集上进行了扩 - 带核方法的多变点检测的新高效算法
本文提出了两种既适用于小规模信号也适用于大规模信号的,基于再生核方法的突变检测算法。新算法在计算时间和内存使用方面具有较高的效率和精度,并且被证明是一种高度灵活的方法,可以用于复杂的生物数据分析。
- 最快变点检测方法实现实时金融监控
本研究使用基于极大似然比的 Shiryaev-Roberts 程序提出了一种半参数多周期变点检测程序,用于在实时监测的金融时间序列中高效检测结构性突变(异常)。在基于真实世界的金融数据的统计分析和比较中,该程序的效果略优于传统的累积和图(C - NIPS用扫描 $B$- 统计量检测核变点
本篇论文提出了基于核函数非参数统计方法的两种改变点检测统计量,通过使用变换测度技术来表征这些统计量的尾概率,以此获得控制误报率所需的显著性水平和平均运行长度的检测阈值,从而提高了检测效率和准确性。
- 应用于变点检测的行列式点过程块状 MAP 推断
本文介绍了一种新的 DPP 类别,即几乎分块对角线协方差矩阵的 BwDPP,该 DPP 类别允许高效的分块 MAP 推断,并成功应用于解决变点检测问题(CPD),即 BwDppCpd 方法,通过 DPP 集合选择估计最终的变点,这种方法在五 - 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 - 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 - 基于谱扫描统计量的图突变检测
本文提出了一种基于组合 Laplacian 的可行的放松 GLR 统计量,称为谱扫描统计量,以解决在给定图形上检测未知信号是否为常数或分段常数问题,其性能直接取决于图形的谱,并基于图的少量重要拓扑性能提出了渐近性质证明。
- 利用相对密度比估计进行时间序列数据的变点检测
本文提出了一种基于非参数发散度估计的新型统计变点检测算法,该方法使用相对 Pearson 发散度作为发散度度量,并通过直接密度比估计方法精确而高效地估计,实验结果证明该方法在人类活动感知、语音和 Twitter 消息等人工和真实数据集上是有