Fugu-MT 論文翻訳(概要): Safe Predictors for Enforcing Input-Output Specifications

論文の概要: Safe Predictors for Enforcing Input-Output Specifications

arxiv url: http://arxiv.org/abs/2001.11062v1
Date: Wed, 29 Jan 2020 19:39:22 GMT
ステータス: 処理完了
システム内更新日: 2023-01-05 20:54:34.723751
Title: Safe Predictors for Enforcing Input-Output Specifications
Title（参考訳）: 入出力仕様を強制するための安全予測器
Authors: Stephen Mell, Olivia Brown, Justin Goodwin, Sung-Hyun Son
Abstract要約: 本稿では,入力出力仕様の集合と整合性を保証するニューラルネットワーク(および他の機械学習モデル)を設計するためのアプローチを提案する。本手法では,各制約の集合に対して制約付き予測器を設計し,それらの予測の凸結合により安全に結合する。
参考スコア（独自算出の注目度）: 0.8946655323517091
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present an approach for designing correct-by-construction neural networks (and other machine learning models) that are guaranteed to be consistent with a collection of input-output specifications before, during, and after algorithm training. Our method involves designing a constrained predictor for each set of compatible constraints, and combining them safely via a convex combination of their predictions. We demonstrate our approach on synthetic datasets and an aircraft collision avoidance problem.
Abstract（参考訳）: 本稿では,アルゴリズム学習前後の入力出力仕様の集合と整合性を保証するニューラルネットワーク(および他の機械学習モデル)を設計するためのアプローチを提案する。提案手法では,各制約セットに対する制約付き予測器の設計を行い,それらの予測を凸結合して安全に組み合わせる。我々は,合成データセットと航空機衝突回避問題に対する我々のアプローチを実証する。

関連論文リスト

Multi-model Ensemble Conformal Prediction in Dynamic Environments [14.188004615463742]
本稿では,複数の候補モデルから予測セットを作成するために使用されるモデルを選択する適応型共形予測フレームワークを提案する。提案アルゴリズムは, 有効なカバレッジを維持しつつ, 全区間にわたる強い適応的後悔を達成できることが証明された。
論文参考訳（メタデータ） (2024-11-06T05:57:28Z)
Conformal online model aggregation [29.43493007296859]
本稿では,オンライン環境における共形モデルアグリゲーションへの新たなアプローチを提案する。これは、過去の性能に基づいてモデルの重みが時間とともに適応される投票によって、いくつかのアルゴリズムの予測セットを組み合わせることに基づいている。
論文参考訳（メタデータ） (2024-03-22T15:40:06Z)
Certified Human Trajectory Prediction [66.1736456453465]
交通予知は自動運転車に不可欠な役割を担っている。本稿では,軌道予測作業に適した認証手法を提案する。非有界出力や変異モダリティを含む、軌道予測に関連する固有の課題に対処する。
論文参考訳（メタデータ） (2024-03-20T17:41:35Z)
Quantification of Predictive Uncertainty via Inference-Time Sampling [57.749601811982096]
本稿では,データあいまいさの予測不確実性を推定するためのポストホックサンプリング手法を提案する。この方法は与えられた入力に対して異なる可算出力を生成することができ、予測分布のパラメトリック形式を仮定しない。
論文参考訳（メタデータ） (2023-08-03T12:43:21Z)
Robust Flow-based Conformal Inference (FCI) with Statistical Guarantee [4.821312633849745]
本研究では,予測集合の構築や,複雑なデータや高次元データに対するアウトレイラの推測など,一連の共形推論手法を開発する。ベンチマークデータセットを用いて,ロバストなフローベース共形推論手法の評価を行った。
論文参考訳（メタデータ） (2022-05-22T04:17:30Z)
Conformal prediction for the design problem [72.14982816083297]
機械学習の現実的な展開では、次にテストすべきデータを選択するために予測アルゴリズムを使用します。このような設定では、トレーニングデータとテストデータの間には、異なるタイプの分散シフトがある。このような環境で予測の不確実性を定量化する手法を提案する。
論文参考訳（メタデータ） (2022-02-08T02:59:12Z)
BOSS: Bidirectional One-Shot Synthesis of Adversarial Examples [8.359029046999233]
本稿では,逆数例のワンショット合成を提案する。入力はスクラッチから合成され、事前訓練されたモデルの出力で任意のソフト予測を誘導する。本稿では,本フレームワークの汎用性と汎用性を示す。
論文参考訳（メタデータ） (2021-08-05T17:43:36Z)
Private Prediction Sets [72.75711776601973]
機械学習システムは、個人のプライバシーの確実な定量化と保護を必要とする。これら2つのデシラタを共同で扱う枠組みを提案する。本手法を大規模コンピュータビジョンデータセット上で評価する。
論文参考訳（メタデータ） (2021-02-11T18:59:11Z)
An AI-Assisted Design Method for Topology Optimization Without Pre-Optimized Training Data [68.8204255655161]
トポロジ最適化に基づくAI支援設計手法を提示し、最適化された設計を直接的に得ることができる。設計は、境界条件と入力データとしての充填度に基づいて、人工ニューラルネットワーク、予測器によって提供される。
論文参考訳（メタデータ） (2020-12-11T14:33:27Z)
Learning Output Embeddings in Structured Prediction [73.99064151691597]
構造化予測に対する強力で柔軟なアプローチは、予測される構造化対象を潜在的に無限次元の特徴空間に埋め込むことである。原空間における予測は、前像問題の解法により計算される。本研究では,新しい特徴空間に出力埋め込みと回帰関数の有限近似を共同で学習することを提案する。
論文参考訳（メタデータ） (2020-07-29T09:32:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。