Open betashort opened 4 years ago
モデルに基づく時系列データのクラスタリングのための最大擬尤度推定
論文リンク：https://arxiv.org/pdf/1602.08787.pdf 公開日時：October 18, 2016 実装コード： Publication :
Mixture of autoregressions (MoAR) モデルは、時系列データのクラスタリングに対するモデルベースのアプローチを提供する。MoARモデルの最尤（ML）推定は、正規のランダム変数の多数の密度の積の評価を必要とする。実用的なシナリオでは、これらの積は時系列の長さが長くなるにつれてゼロに収束し、したがって、MoARモデルのML推定は数値的なトリックを使用しないと不可能になる 1 arXiv:1602.08787v2 [stat.CO] 18 Oct 2016 本論文では、数値的なトリックを使用する代わりに、最大擬尤度(MPL)推定法を提案する。MPL推定器は一貫性があり、EM(期待値最大化)アルゴリズムを用いて計算できることが証明された。シミュレーションにより、MPL推定量が計算できた場合のML推定量に対するMPL推定量の性能を評価した。また、安静時fMRI実験から得られる時系列データのクラスタリングへの適用例を示し、その方法論の実証を行った。
www.DeepL.com/Translator（無料版）で翻訳しました。
0. 論文情報・リンク
モデルに基づく時系列データのクラスタリングのための最大擬尤度推定
論文リンク：https://arxiv.org/pdf/1602.08787.pdf 公開日時：October 18, 2016 実装コード： Publication :
1. どんなもの？
Mixture of autoregressions (MoAR) モデルは、時系列データのクラスタリングに対するモデルベースのアプローチを提供する。MoARモデルの最尤（ML）推定は、正規のランダム変数の多数の密度の積の評価を必要とする。実用的なシナリオでは、これらの積は時系列の長さが長くなるにつれてゼロに収束し、したがって、MoARモデルのML推定は数値的なトリックを使用しないと不可能になる 1 arXiv:1602.08787v2 [stat.CO] 18 Oct 2016 本論文では、数値的なトリックを使用する代わりに、最大擬尤度(MPL)推定法を提案する。MPL推定器は一貫性があり、EM(期待値最大化)アルゴリズムを用いて計算できることが証明された。シミュレーションにより、MPL推定量が計算できた場合のML推定量に対するMPL推定量の性能を評価した。また、安静時fMRI実験から得られる時系列データのクラスタリングへの適用例を示し、その方法論の実証を行った。
www.DeepL.com/Translator（無料版）で翻訳しました。
2. 先行研究と比べてどこがすごいの？
3. 技術や手法の"キモ"はどこにある？
4. どうやって有効だと検証した？
5. 議論はあるか？
6. 次に読むべき論文はあるか？
7. 実装
8. 参考文献