인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
The goal of this paper is to detect a single change point in sequential data. To achieve this, we introduce the Add-one-in L₂ Loss (Ado-IL) statistic, which is based on sequential means calculated by adding one data point at a time. The mathematical expectation of the ADO-IL statistic provides crucial insights for conducting this detection. When a dataset has one change point, the ADO-IL statistic should be mathematically constant before the change point and be increasing after it. One detection methodology utilizes the ADO-IL-based algorithm to address various change point scenarios, including changes in mean, variance, and both mean and variance, under relaxed data distribution assumptions. The key strength of the algorithm is its solid mathematical foundation, which allows it to be effective regardless of the type of change point. In a simulation study, the ADO-IL algorithm demonstrates its advantage by delivering consistent performance across different locations and types of changes, overcoming the limitations of the PELT algorithm, which is highly dependent on matching a loss function to a specific type of change. Additionally, using USD/KRW exchange rate data, we show that the performance of the ADO-IL-based algorithm is comparable to or surpasses that of the existing PELT algorithm in real-world applications.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-093162272
