Fugu-MT 論文翻訳(概要): Adversarial Stress Testing of Lifetime Distributions

論文の概要: Adversarial Stress Testing of Lifetime Distributions

arxiv url: http://arxiv.org/abs/2003.12587v1
Date: Fri, 27 Mar 2020 18:13:30 GMT
ステータス: 処理完了
システム内更新日: 2022-12-19 05:32:14.243029
Title: Adversarial Stress Testing of Lifetime Distributions
Title（参考訳）: ライフタイム分布の逆応力試験
Authors: Nozer Singpurwalla
Abstract要約: ここでは,2人のプレイヤー,対数C,親和性Mを含むゲーム理論の設定について考察する。根底にある指標は、生涯分布の意味を与える手段として、デ・フィネッティスタイル2のベットと非対称なペイオフ、反対のストレステスト機能、そしてKulback Lieblerの識別による期待される実用的ストレスベットスコアである。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper we put forward the viewpoint that the notion of stress testing financial institutions and engineered systems can also be made viable appropos the stress testing an individual's strength of conviction in a probability distribution. The difference is interpretation and perspective. To make our case we consider a game theoretic setup entailing two players, an adversarial C, and an amicable M.The underlying metrics entail a de Finetti style 2 sided bet with asymmetric payoffs as a way to give meaning to lifetime distributions, an adversarial stress testing function, and a maximization of the expected utility of betting scores via the Kullback Liebler discrimination.
Abstract（参考訳）: 本稿では,金融機関のストレステストとシステム構築の考え方を,確率分布における個人の信念の強さをテストするストレステストを現実的に行うことができるという視点を提唱する。違いは解釈と視点である。そこで本研究では,2人のプレイヤー,対逆C,および可算Mを対象とするゲーム理論の設定について考察する。その基盤となる指標は,非対称なペイオフを持つデ・フィネッティスタイルのベットを,生涯分布,対向的ストレステスト関数,およびKellback Liebler判別によるベットスコアの最大化である。

関連論文リスト

Fairness-Accuracy Trade-Offs: A Causal Perspective [58.06306331390586]
我々は、初めて因果レンズから公正性と正確性の間の張力を分析する。因果的制約を強制することは、しばしば人口集団間の格差を減少させることを示す。因果制約付きフェアラーニングのための新しいニューラルアプローチを導入する。
論文参考訳（メタデータ） (2024-05-24T11:19:52Z)
Quantifying Aleatoric and Epistemic Uncertainty with Proper Scoring Rules [19.221081896134567]
不確実性表現と定量化は機械学習において最重要である。本稿では,適切なスコアリングルールに基づいて,アレータリックおよび(現状)不確実性の定量化のための尺度を提案する。
論文参考訳（メタデータ） (2024-04-18T14:20:19Z)
Equal Opportunity of Coverage in Fair Regression [50.76908018786335]
我々は、予測の不確実性の下で公正な機械学習(ML)を研究し、信頼性と信頼性のある意思決定を可能にする。本研究は,(1)類似した結果の異なる集団に対するカバー率が近いこと,(2)人口全体のカバー率が一定水準にあること,の2つの特性を達成することを目的としたカバーの平等機会(EOC)を提案する。
論文参考訳（メタデータ） (2023-11-03T21:19:59Z)
Transductive conformal inference with adaptive scores [3.591224588041813]
トランスダクティブな設定では、テストのサンプルとして$m$の新たなポイントが決定されます。本研究はP'olya urnモデルに従い, 実験分布関数の濃度不等式を確立することを目的とする。本研究では,2つの機械学習タスクに対して一様かつ不確率な保証を行うことにより,これらの理論的結果の有用性を示す。
論文参考訳（メタデータ） (2023-10-27T12:48:30Z)
Ranking with Abstention [27.3569897539488]
そこで本研究では,学習者が限られたコストで予測を行うのを阻止できる,控えめなランキングの枠組みを紹介した。線形関数の族と1つの隠れ層を持つニューラルネットワークの両方に対して、一連の$H$一貫性境界を示す。
論文参考訳（メタデータ） (2023-07-05T05:37:13Z)
Generalised Likelihood Ratio Testing Adversaries through the Differential Privacy Lens [69.10072367807095]
微分プライバシー(DP)は、最適な敵の能力に厳格な上限を提供する。我々は,NPO(Neyman-Pearson-Pearson-Pearson-Pearson-Pearson-Pearson)対GLRT(Generalized Likelihood Test)対向の仮定を緩和する。この緩やかな緩和は、プライバシー保証の改善につながる。
論文参考訳（メタデータ） (2022-10-24T08:24:10Z)
Measuring and signing fairness as performance under multiple stakeholder distributions [39.54243229669015]
学習システムの公正度を測定するための最良のツールは、数学的ワンライナーとしてカプセル化された剛性公正度メトリクスである。本稿では, フェアネス指標の定式化から, それらが計算される例の分布の算出に焦点を移すことを提案する。ストレステストのための完全な実装ガイドラインを提供し、このフレームワークの利点と欠点の両方を説明します。
論文参考訳（メタデータ） (2022-07-20T15:10:02Z)
Adversarial Attacks and Defense for Non-Parametric Two-Sample Tests [73.32304304788838]
本稿では,非パラメトリックTSTの障害モードを逆攻撃により系統的に明らかにする。 TST非依存的な攻撃を可能にするために,異なる種類のテスト基準を協調的に最小化するアンサンブル攻撃フレームワークを提案する。そこで本研究では,TSTの強化のために,逆対を反復的に生成し,深層カーネルを訓練する最大最小最適化を提案する。
論文参考訳（メタデータ） (2022-02-07T11:18:04Z)
The Many Faces of Adversarial Risk [6.85316573653194]
敵のリスクを数学的に厳密にし、その類似点と相違点について検討する。我々のツールは最適な輸送、ロバストな統計、機能分析、ゲーム理論から導かれる。
論文参考訳（メタデータ） (2022-01-22T03:05:09Z)
Trust but Verify: Assigning Prediction Credibility by Counterfactual Constrained Learning [123.3472310767721]
予測信頼性尺度は統計学と機械学習において基本的なものである。これらの措置は、実際に使用される多種多様なモデルを考慮に入れるべきである。この研究で開発されたフレームワークは、リスクフィットのトレードオフとして信頼性を表現している。
論文参考訳（メタデータ） (2020-11-24T19:52:38Z)
Right Decisions from Wrong Predictions: A Mechanism Design Alternative to Individual Calibration [107.15813002403905]
意思決定者は、しばしば不完全な確率予測に頼る必要がある。本稿では,予測ユーティリティが実際に取得したユーティリティと一致することを保証する補償機構を提案する。本研究では、乗客が飛行遅延確率に基づいて、個々の旅行計画をどのように確実に最適化できるかを示すアプリケーションを示す。
論文参考訳（メタデータ） (2020-11-15T08:22:39Z)

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。