ترجمه فارسی مقاله بهبود تشخیص نقاط تغییر: یادگیری جریمه از طریق تکنیک‌های یادگیری عمیق

چکیده

Changepoint detection, a technique for identifying significant shifts within data sequences, is crucial in various fields such as finance, genomics, medicine, etc. Dynamic programming changepoint detection algorithms are employed to identify the locations of changepoints within a sequence, which rely on a penalty parameter to regulate the number of changepoints. To estimate this penalty parameter, previous work uses simple models such as linear or tree-based models. This study introduces a novel deep learning method for predicting penalty parameters, leading to demonstrably improved changepoint detection accuracy on large benchmark supervised labeled datasets compared to previous methods.

چکیده به فارسی (ترجمه ماشینی)

تشخیص Changepoint ، تکنیکی برای شناسایی تغییرات قابل توجه در توالی داده ها ، در زمینه های مختلف مانند امور مالی ، ژنومیک ، پزشکی و غیره بسیار مهم است. الگوریتم های تشخیص برنامه نویسی پویا برای شناسایی مکان های تغییر در یک دنباله استفاده می شوند ، که به یک مجازات متکی هستند.پارامتر برای تنظیم تعداد نقاط تغییر.برای برآورد این پارامتر پنالتی ، کار قبلی از مدل های ساده مانند مدل های خطی یا مبتنی بر درخت استفاده می کند.این مطالعه یک روش یادگیری عمیق جدید برای پیش بینی پارامترهای مجازات را معرفی می کند ، که منجر به بهبود دقت تشخیص تغییر نقطه در مجموعه داده های دارای برچسب معیار بزرگ در مقایسه با روش های قبلی می شود.