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: The University of Tokyo
• 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
• 起止时间: 2023-03-08 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22KJ1041/
• 关键词: 関数データ解析; ベイズ統計

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。

When the year is over, the number of related time series is determined. The estimation of the time-series is not consistent with the steady-state. In the meantime, we're going to have to do something about it. For example, the following properties can be found in a series of pre-distribution tests: 1. The prior distribution of the relevant number type horseshoe is used. The transformation of the relevant number series is captured. 2. Time series measurement, measurement number and measurement point are influenced by time series estimation. 3. Inference is inaccurate, and the presumption is correct. 4. Property 1: Proof of Theory. To confirm the usefulness of the proposed method by comparing the methods of preliminary research and analysis of the data The results of the paper are presented in the paper and in the paper. In 2010, the International Journal of Statistics Sinica submitted a revised version of the article.

项目成果

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

• 发表时间: 2022
• 作者: Wakayama Tomoya;Sugasawa Shonosuke;Wakayama Tomoya;若山智哉
• 通讯作者: 若山智哉

Functional Horseshoe Smoothing for Functional Trend Estimation

• 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

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

• 发表时间: 2022
• 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

• 发表时间: 2022
• 作者: Wakayama Tomoya;Sugasawa Shonosuke;Wakayama Tomoya;若山智哉;若山智哉
• 通讯作者: 若山智哉