基于矩投影的在线变点检测：何时重新训练深度学习者或更新投资组合？
统计理论
2026-01-30 v2 机器学习
统计理论
摘要
训练深度学习神经网络通常需要大量的计算资源。我们提议顺序监控网络预测，仅当预测不再有效时触发重新训练。这可以大幅降低计算成本，并为绿色深度学习打开一扇门。我们的方法基于与投影二阶矩监控的关系，该问题也出现在计算金融等其他领域。在训练样本和监控期观测上的温和假设下，研究了多种开放式与封闭式监控规则。结果允许高维非平稳时间序列数据，因此特别地允许非独立同分布训练数据。渐近性基于投影部分和的高斯近似，允许估计的投影向量。投影向量的估计既针对经典的非--稀疏情形，也针对稀疏情形进行了研究。对于最优投影依赖于未知协方差矩阵的情形，研究了硬阈值与软阈值估计量。该方法通过模拟分析，并得到合成数据实验的支持。
引用
@article{arxiv.2302.07198,
title = {Online Detection of Changes in Moment-Based Projections: When to Retrain Deep Learners or Update Portfolios?},
author = {Ansgar Steland},
journal= {arXiv preprint arXiv:2302.07198},
year = {2026}
}