論文の概要: Structure-Adaptive Sequential Testing for Online False Discovery Rate Control

• arxiv url: http://arxiv.org/abs/2003.00113v1
• Date: Fri, 28 Feb 2020 23:16:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-28 02:41:18.677403
• Title: Structure-Adaptive Sequential Testing for Online False Discovery Rate Control
• Title（参考訳）: オンライン偽発見率制御のための構造適応逐次テスト
• Authors: Bowen Gang, Wenguang Sun, and Weinan Wang
• Abstract要約: 本研究は、オンライン偽発見率(FDR)制御のための構造適応シーケンシャルテスト(SAST)ルールの新しいクラスを開発する。 我々の提案の重要な要素は、逐次決定における利得と損失を正確に特徴付ける新しいアルファ投資アルゴリズムである。
• 参考スコア（独自算出の注目度）: 1.456699007803424
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Consider the online testing of a stream of hypotheses where a real--time decision must be made before the next data point arrives. The error rate is required to be controlled at {all} decision points. Conventional \emph{simultaneous testing rules} are no longer applicable due to the more stringent error constraints and absence of future data. Moreover, the online decision--making process may come to a halt when the total error budget, or alpha--wealth, is exhausted. This work develops a new class of structure--adaptive sequential testing (SAST) rules for online false discover rate (FDR) control. A key element in our proposal is a new alpha--investment algorithm that precisely characterizes the gains and losses in sequential decision making. SAST captures time varying structures of the data stream, learns the optimal threshold adaptively in an ongoing manner and optimizes the alpha-wealth allocation across different time periods. We present theory and numerical results to show that the proposed method is valid for online FDR control and achieves substantial power gain over existing online testing rules.
• Abstract（参考訳）: Consider the online testing of a stream of hypotheses where a real--time decision must be made before the next data point arrives. The error rate is required to be controlled at {all} decision points. Conventional \emph{simultaneous testing rules} are no longer applicable due to the more stringent error constraints and absence of future data. Moreover, the online decision--making process may come to a halt when the total error budget, or alpha--wealth, is exhausted. This work develops a new class of structure--adaptive sequential testing (SAST) rules for online false discover rate (FDR) control. 我々の提案の重要な要素は、逐次決定における利得と損失を正確に特徴付ける新しいアルファ投資アルゴリズムである。 SASTはデータストリームの時間変化構造をキャプチャし、最適なしきい値を継続的な方法で学習し、異なる期間にわたってアルファウェルス割り当てを最適化する。 提案手法はオンラインFDR制御に有効であり,既存のオンラインテストルールよりもかなりのパワーゲインが得られることを示す理論と数値的な結果を示す。

関連論文リスト

• Reshaping the Online Data Buffering and Organizing Mechanism for Continual Test-Time Adaptation [49.53202761595912]
  継続的なテスト時間適応は、訓練済みのソースモデルを適用して、教師なしのターゲットドメインを継続的に変更する。 我々は、オンライン環境、教師なしの自然、エラー蓄積や破滅的な忘れのリスクなど、このタスクの課題を分析する。 教師なしシングルパスデータストリームから重要サンプルを高い確実性で識別・集約する不確実性を考慮したバッファリング手法を提案する。
  論文  参考訳（メタデータ） (2024-07-12T15:48:40Z)
• CAP: A General Algorithm for Online Selective Conformal Prediction with FCR Control [4.137346786534721]
  全体の誤発見レベルを測定するために,FCR (Real-time false coverage-statement rate) を制御することが重要である。 キャリブレーションセットを構築するために,過去のデータに対して適応的なピックルールを実行するCAPというフレームワークを開発した。 我々は,CAPが有限サンプルおよび分布自由な状態において,厳密な選択条件のカバレッジ保証を達成できることを証明した。
  論文  参考訳（メタデータ） (2024-03-12T15:07:20Z)
• Online multiple testing with e-values [37.0397290998274]
  科学者は、誤った発見の数を確実にコントロールしながら、できるだけ多くの発見をしたいと考えています。 オンライン設定におけるFDR制御の以前の方法は、各仮説のテスト統計の間に特定の依存構造が存在すると仮定した場合に、アルゴリズムの定式化に焦点が当てられていた。 我々のアルゴリズムであるe-LONDは、任意の、おそらく未知の依存下でFDR制御を提供する。
  論文  参考訳（メタデータ） (2023-11-10T22:14:47Z)
• State Sequences Prediction via Fourier Transform for Representation Learning [111.82376793413746]
  本研究では,表現表現を効率よく学習する新しい方法である,フーリエ変換(SPF)による状態列予測を提案する。 本研究では,状態系列における構造情報の存在を理論的に解析する。 実験により,提案手法はサンプル効率と性能の両面で,最先端のアルゴリズムよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-10-24T14:47:02Z)
• On Pitfalls of Test-Time Adaptation [82.8392232222119]
  TTA(Test-Time Adaptation)は、分散シフトの下で堅牢性に取り組むための有望なアプローチとして登場した。 TTABは,10の最先端アルゴリズム,多種多様な分散シフト,および2つの評価プロトコルを含むテスト時間適応ベンチマークである。
  論文  参考訳（メタデータ） (2023-06-06T09:35:29Z)
• Sequential Kernelized Independence Testing [101.22966794822084]
  我々は、カーネル化依存度にインスパイアされたシーケンシャルなカーネル化独立試験を設計する。 シミュレーションデータと実データの両方にアプローチのパワーを実証する。
  論文  参考訳（メタデータ） (2022-12-14T18:08:42Z)
• Error-based Knockoffs Inference for Controlled Feature Selection [49.99321384855201]
  本手法では, ノックオフ特徴量, エラーベース特徴重要度統計量, ステップダウン手順を一体化して, エラーベースのノックオフ推定手法を提案する。 提案手法では回帰モデルを指定する必要はなく,理論的保証で特徴選択を処理できる。
  論文  参考訳（メタデータ） (2022-03-09T01:55:59Z)
• Learning Robust Output Control Barrier Functions from Safe Expert Demonstrations [50.37808220291108]
  本稿では,専門家によるデモンストレーションの部分的な観察から,安全な出力フィードバック制御法を考察する。 まず,安全性を保証する手段として,ロバスト出力制御バリア関数(ROCBF)を提案する。 次に、安全なシステム動作を示す専門家による実証からROCBFを学習するための最適化問題を定式化する。
  論文  参考訳（メタデータ） (2021-11-18T23:21:00Z)
• Online Control of the False Discovery Rate under "Decision Deadlines" [1.4213973379473654]
  オンラインテスト手順は、一連の仮説テストを通して偽の発見の程度を制御することを目的としている。 提案手法は,テストの各段階での偽発見率(FDR)と,適応的に選択された停止時間を制御する。
  論文  参考訳（メタデータ） (2021-10-04T17:28:09Z)
• Non-Episodic Learning for Online LQR of Unknown Linear Gaussian System [0.0]
  単一の軌道からシステムに関する知識を得るオンライン非分離アルゴリズムを提案する。 識別と制御のほぼ確実に収束する割合を特徴付け、探索と搾取の間の最適なトレードオフを明らかにする。
  論文  参考訳（メタデータ） (2021-03-24T15:51:28Z)
• Dynamic Algorithms for Online Multiple Testing [38.45810475976042]
  我々は、偽発見超越(FDX)を確実に制御するオンライン多重テストのための新しいアルゴリズムを導出する。 我々は, 様々な合成実験において, アルゴリズムが高い出力を達成することを実証した。 SupLORDは、私たちの知る限り、オンライン設定の時間停止時にFDRを制御できる最初の非自明なアルゴリズムです。
  論文  参考訳（メタデータ） (2020-10-26T23:41:54Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。