Copertina

Wasserstein-based identification of metastable states in time series data via change point detection and segment clustering

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Gentile, David, Huang, Joshua, Murphy, James M.
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Statistics Theory
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Extreme change-point detection
di: Bleakley, Kevin
Pubblicazione: (2024)

Non-parametric multiple change-point detection
di: Anastasiou, Andreas, et al.
Pubblicazione: (2025)

Multiple change point detection in functional data with applications to biomechanical fatigue data
di: Bastian, Patrick, et al.
Pubblicazione: (2023)

Volatility change point detection for linear parabolic SPDEs
di: Tonaki, Yozo, et al.
Pubblicazione: (2025)

Wasserstein convergence rates for empirical measures of point processes
di: Huang, Dongzhou, et al.
Pubblicazione: (2026)

A spectral approach for online covariance change point detection
di: Bao, Zhigang, et al.
Pubblicazione: (2026)

Higher-criticism for sparse multi-stream change-point detection
di: Gong, Tingnan, et al.
Pubblicazione: (2024)

False positive control in time series coincidence detection
di: Liang, Ruiting, et al.
Pubblicazione: (2025)

Gradual changes in functional time series
di: Bastian, Patrick, et al.
Pubblicazione: (2024)

Theory of metastable states in many-body quantum systems
di: Yin, Chao, et al.
Pubblicazione: (2024)

Covariance scanning for adaptively optimal change point detection in high-dimensional linear models
di: Cho, Haeran, et al.
Pubblicazione: (2025)

On the impossibility of detecting a late change-point in the preferential attachment random graph model
di: Kaddouri, Ibrahim, et al.
Pubblicazione: (2024)

Measures of Dependence based on Wasserstein distances
di: Catalano, Marta, et al.
Pubblicazione: (2025)

Estimation of the long-run variance of nonlinear time series with an application to change point analysis
di: Characiejus, Vaidotas, et al.
Pubblicazione: (2024)

High-dimensional copula-based Wasserstein dependence
di: De Keyser, Steven, et al.
Pubblicazione: (2024)

Robust mean change point testing in high-dimensional data with heavy tails
di: Li, Mengchu, et al.
Pubblicazione: (2023)

A model-based approach for clustering binned data
di: Martínez, Asael Fabian, et al.
Pubblicazione: (2024)

Wasserstein Concentration of Empirical Measures for Dependent Data via the Method of Moments
di: Amini, Arash A., et al.
Pubblicazione: (2026)

From sparse to dense functional time series: phase transitions of detecting structural breaks and beyond
di: Cai, Leheng, et al.
Pubblicazione: (2024)

Asymptotic and finite-sample distributions of one- and two-sample empirical relative entropy, with application to change-point detection
di: Garcin, Matthieu, et al.
Pubblicazione: (2025)

Smoothed estimation of Wasserstein barycenters
di: Li, Pengtao, et al.
Pubblicazione: (2026)

TWIN: Two window inspection for online change point detection
di: Bastian, Patrick, et al.
Pubblicazione: (2025)

Convergence of empirical Gromov-Wasserstein distance
di: Kato, Kengo, et al.
Pubblicazione: (2025)

Wasserstein projection estimators for circular distributions
di: Otani, Naoki, et al.
Pubblicazione: (2025)

Wasserstein-based Minimax Estimation of Dependence in Multivariate Regularly Varying Extremes
di: Zhang, Xuhui, et al.
Pubblicazione: (2023)

Structure preservation via the Wasserstein distance
di: Bartl, Daniel, et al.
Pubblicazione: (2022)

Multiple change-points detection based on U-Statistics under weak dependence
di: Ngatchou-Wandji, Joseph, et al.
Pubblicazione: (2025)

Robust Alignment via Partial Gromov-Wasserstein Distances
di: Gong, Xiaoyun, et al.
Pubblicazione: (2025)

Shape-constrained density estimation with Wasserstein projection
di: Matsuda, Takeru, et al.
Pubblicazione: (2026)

Wasserstein GANs are Minimax Optimal Distribution Estimators
di: Stéphanovitch, Arthur, et al.
Pubblicazione: (2023)

Quantifying the noise sensitivity of the Wasserstein metric for images
di: Lager, Erik, et al.
Pubblicazione: (2025)

An autocovariance-based learning framework for high-dimensional functional time series
di: Chang, Jinyuan, et al.
Pubblicazione: (2020)

Bounding adapted Wasserstein metrics
di: Blanchet, Jose, et al.
Pubblicazione: (2024)

Multiscale detection of practically significant changes in a gradually varying time series
di: Bastian, Patrick, et al.
Pubblicazione: (2025)

An LRD spectral test for irregularly discretely observed contaminated functional time series in manifolds
di: Ruiz-Medina, M. D., et al.
Pubblicazione: (2025)

Some notes on the $k$-means clustering for missing data
di: Terada, Yoshikazu, et al.
Pubblicazione: (2024)

Gromov-Wasserstein Bound between Reeb and Mapper Graphs
di: Oulhaj, Ziyad, et al.
Pubblicazione: (2025)

Neural Entropic Optimal Transport and Gromov-Wasserstein Alignment
di: Wang, Tao, et al.
Pubblicazione: (2023)

Functional ANOVA approaches for detecting changes in air pollution during the COVID-19 pandemic
di: Acal, Christian, et al.
Pubblicazione: (2024)

Unifying regression-based and design-based causal inference in time-series experiments
di: Lin, Zhexiao, et al.
Pubblicazione: (2025)