본 논문에서는 제약된 은닉 마르코프 모델(HMM)과 분류 EM(CEM) 알고리즘을 결합한 새로운 방법인 max-EM 알고리즘을 통해 순서형 데이터 회귀 모델에서 변화점을 효과적으로 감지하고 매개변수를 추정하는 방법을 제시합니다.
본 논문에서는 자가 지도 표현 학습(SSL) 모델에 스펙트럼 정규화(SN)를 적용하여 변화점 감지(CPD) 작업의 성능을 향상시키는 방법을 제안합니다. SN은 표현 공간에서 두 샘플 검정에 대한 검정력을 유지하여 변화 감지를 위한 보다 강력한 표현을 생성합니다.
본 논문에서는 기계 학습 기반 베이지안 심층 학습 모델을 사용하여 비정상 확산 궤적에서 변화점을 감지하는 방법을 제시합니다. 특히, 불확실성 추정값을 활용하여 기존 방법으로는 감지하기 어려운 미묘한 변화를 감지하는 데 효과적임을 보여줍니다.