Robust and Scalable Bayesian Online Changepoint Detection

要約

本論文では、変化点検出のためのオンライン、証明可能なロバスト、スケーラブルなベイズアプローチを提案する。このアルゴリズムは、一般化ベイズの視点を活用することで、証明可能なロバスト性を提供し、また、以前の試みのスケーラビリティの問題を解決するという、以前の研究に対する重要な利点を持つ。具体的には、提案する一般化ベイズ形式は、拡散スコアマッチングを活用することで、パラメータが閉形式で利用可能な共役後置を導く。このアルゴリズムは厳密であり、簡単な代数処理で更新可能であり、最も近い競合相手よりも10倍以上高速である。

要約(オリジナル)

This paper proposes an online, provably robust, and scalable Bayesian approach for changepoint detection. The resulting algorithm has key advantages over previous work: it provides provable robustness by leveraging the generalised Bayesian perspective, and also addresses the scalability issues of previous attempts. Specifically, the proposed generalised Bayesian formalism leads to conjugate posteriors whose parameters are available in closed form by leveraging diffusion score matching. The resulting algorithm is exact, can be updated through simple algebra, and is more than 10 times faster than its closest competitor.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL