Copule D-vine Differenziabili Consentono la Ricerca a Fascio per il Rilevamento di Anomalie
Un nuovo framework per l'adattamento di copule D-vine utilizza la stima di massima verosimiglianza basata sul gradiente con un'implementazione completamente differenziabile, combinata con la ricerca a fascio per mantenere molteplici configurazioni concorrenti. Ciò supera l'esplosione combinatoria delle possibili scelte di famiglia di copule e parametri all'aumentare delle variabili, evitando gli ottimi locali subottimali dei metodi greedy sequenziali. L'approccio viene applicato al rilevamento localizzato di anomalie, migliorando l'adattamento globale esplorando simultaneamente diversi pattern di dipendenza.
Fatti principali
- 1. Le copule a vite modellano distribuzioni multivariate complesse tramite copule bivariate gerarchiche a coppie
- 2. L'adattamento delle D-vine richiede la selezione della famiglia di copule e dei parametri da insiemi candidati
- 3. Il numero di configurazioni cresce in modo combinatorio con variabili e famiglie
- 4. I metodi esistenti utilizzano decisioni greedy sequenziali, potenzialmente perdendo migliori adattamenti globali
- 5. Il framework proposto utilizza MLE basata sul gradiente grazie a un'implementazione differenziabile
- 6. La strategia di ricerca a fascio mantiene molteplici configurazioni D-vine concorrenti
- 7. Applicato al rilevamento localizzato di anomalie
- 8. arXiv:2607.25020v1
Entità
Istituzioni
- arXiv