基于循环神经网络变点检测的选择性推断
机器学习
2023-11-28 v1 机器学习
摘要
在本研究中，我们探讨了利用循环神经网络（RNN）对时间序列中检测到的变点（CPs）进行统计可靠性量化的方法。凭借其灵活性，RNN 有潜力有效识别具有复杂动态特征的时间序列中的变点。然而，将随机噪声波动误检为变点的风险也随之增加。本研究的主要目标是通过为 RNN 检测到的变点提供理论上有效的 p 值，严格控制系统误检风险。为此，我们引入了一种基于选择性推断（SI）框架的新方法。SI 通过对假设选择事件进行条件化来实现有效推断，从而减轻选择偏差。在本研究中，我们将 SI 框架应用于基于 RNN 的变点检测，其中刻画 RNN 选择变点的复杂过程是我们主要的技术挑战。我们通过人工和真实数据实验证明了所提方法的有效性与实用性。
引用
@article{arxiv.2311.14964,
title = {Selective Inference for Changepoint detection by Recurrent Neural Network},
author = {Tomohiro Shiraishi and Daiki Miwa and Vo Nguyen Le Duy and Ichiro Takeuchi},
journal= {arXiv preprint arXiv:2311.14964},
year = {2023}
}
备注
41pages, 16figures