関数データのトレンド推定のためのベイズモデルの開発
関数データのトレンド推定のためのベイズモデルの開発
开发用于功能数据趋势估计的贝叶斯模型
批准号：
22KJ1041
负责人：
若山 智哉
金额：
$2.18万
依托单位：
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2023
资助国家：
日本
项目状态：
未结题
起止时间：
2023-03-08 至 2025-03-31
中文摘要
翻译
当該年度は主に、関数時系列データのトレンドの推定問題に関しての研究を行った。関数時系列データの推定においては、定常性の仮定の下では多くのモデルが多く提案されている。実際のデータにおいてはこの仮定が成り立たないことも多く、この仮定を緩和する形でより柔軟なモデルを考える必要がある。そこで、関数データに対する縮小事前分布を考え、以下の性質を持つ時系列モデルを開発した。1、関数型馬蹄事前分布を活用することで、関数列の局所的な変化を捉えられる。2、時系列の観測において、観測数や観測点が時間によっても推定に影響しない。3、ベイズ推論により不確実性を伴った推定が行える。4、性質1を理論的に証明した。また、数値実験や実データ解析を通して先行研究の手法と比較し、提案手法の有用性を確認した。それらの成果を論文にまとめ、国内外の学会で発表した。さらに、国際学術誌 Statistica Sinica に投稿し改訂の後に受理された。
英文摘要
当該年度は主に、関数時系列データのトレンドの推定問題に関しての研究を行った。関数時系列データの推定においては、定常性の仮定の下では多くのモデルが多く提案されている。実際のデータにおいてはこの仮定が成り立たないことも多く、この仮定を緩和する形でより柔軟なモデルを考える必要がある。そこで、関数データに対する縮小事前分布を考え、以下の性質を持つ時系列モデルを開発した。1、関数型馬蹄事前分布を活用することで、関数列の局所的な変化を捉えられる。2、時系列の観測において、観測数や観測点が時間によっても推定に影響しない。3、ベイズ推論により不確実性を伴った推定が行える。4、性質1を理論的に証明した。また、数値実験や実データ解析を通して先行研究の手法と比較し、提案手法の有用性を確認した。それらの成果を論文にまとめ、国内外の学会で発表した。さらに、国際学術誌 Statistica Sinica に投稿し改訂の後に受理された。
期刊论文(4)
专著(0)
科研奖励(0)
会议论文
登录
查看更多内容
関数データのトレンドフィルタリング
功能数据的趋势过滤
功能数据的趋势过滤
DOI：
--
发表时间：
2022
期刊：
影响因子：
--
作者：
[Wakayama Tomoya, Sugasawa Shonosuke, Wakayama Tomoya, 若山智哉]
通讯作者：
若山智哉
DOI：
10.5705/ss.202022.0297
发表时间：
2022-04
期刊：
Statistica Sinica
影响因子：
1.4
作者：
[Tomoya Wakayama;S. Sugasawa]
通讯作者：
Tomoya Wakayama;S. Sugasawa
Bayesian Trend Filtering for Functional Data via Shrinkage Priors
通过收缩先验对功能数据进行贝叶斯趋势过滤
通过收缩先验对功能数据进行贝叶斯趋势过滤
DOI：
--
发表时间：
2022
期刊：
影响因子：
--
作者：
[Wakayama Tomoya, Sugasawa Shonosuke, Wakayama Tomoya]
通讯作者：
Wakayama Tomoya
大規模時空間データに対するベイズモデル
大规模时空数据的贝叶斯模型
大规模时空数据的贝叶斯模型
DOI：
--
发表时间：
2022
期刊：
影响因子：
--
作者：
[Wakayama Tomoya, Sugasawa Shonosuke, Wakayama Tomoya, 若山智哉, 若山智哉]
通讯作者：
若山智哉
海外基金