論文の概要: Bayesian Consensus: Consensus Estimates from Miscalibrated Instruments under Heteroscedastic Noise

• arxiv url: http://arxiv.org/abs/2004.06565v2
• Date: Fri, 8 Jan 2021 23:49:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-13 09:25:10.097196
• Title: Bayesian Consensus: Consensus Estimates from Miscalibrated Instruments under Heteroscedastic Noise
• Title（参考訳）: ベイジアン・コンセンサス:ヘテロセダス音下における異種楽器からのコンセンサス推定
• Authors: Chirag Nagpal, Robert E. Tillman, Prashant Reddy, Manuela Veloso
• Abstract要約: 我々は,ヒトインフルエンザモデル,センサ,その他の機器の集合体からの予測や測定を集約する問題を考察する。 本稿では,誤校正と雑音の調整を行うベイズコンセンサス推定器を提案する。 提案手法はバイアスや誤差を軽減し,既存のコンセンサスモデルよりも精度の高い予測を行う。
• 参考スコア（独自算出の注目度）: 14.44153617726377
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider the problem of aggregating predictions or measurements from a set of human forecasters, models, sensors or other instruments which may be subject to bias or miscalibration and random heteroscedastic noise. We propose a Bayesian consensus estimator that adjusts for miscalibration and noise and show that this estimator is unbiased and asymptotically more efficient than naive alternatives. We further propose a Hierarchical Bayesian Model that leverages our proposed estimator and apply it to two real world forecasting challenges that require consensus estimates from error prone individual estimates: forecasting influenza like illness (ILI) weekly percentages and forecasting annual earnings of public companies. We demonstrate that our approach is effective at mitigating bias and error and results in more accurate forecasts than existing consensus models.
• Abstract（参考訳）: バイアスやミスカバリレーションやランダムなヘテロシドスティックノイズの対象となる可能性のある予測器、モデル、センサ、その他の機器のセットから予測や測定を集約する問題を考える。 そこで本研究では,不均衡と雑音に適応するベイズコンセンサス推定器を提案し,この推定器が非バイアスで漸近的に効率が良いことを示す。 我々はさらに,提案する推定値を活用した階層ベイズモデルを提案し,誤差が予想される個人推定値からのコンセンサス推定を必要とする2つの実世界予測課題に適用する。 本手法はバイアスと誤差の軽減に有効であり,既存のコンセンサスモデルよりも正確な予測を行うことができることを示す。

関連論文リスト

• Microfoundation Inference for Strategic Prediction [26.277259491014163]
  本稿では,人口に対する予測モデルの長期的影響をカプセル化した分布図の学習手法を提案する。 具体的には,エージェントの応答をコストユーティリティ問題としてモデル化し,そのコストを見積もる。 本稿では,この推定値の収束率と,クレジット・スコアリング・データセットの実証実験による品質評価について述べる。
  論文  参考訳（メタデータ） (2024-11-13T19:37:49Z)
• Bin-Conditional Conformal Prediction of Fatalities from Armed Conflict [0.5312303275762104]
  両条件共形予測(bin-conditional conformal prediction)と呼ぶ共形予測アルゴリズムを新たに導入する。 この手法により,任意の予測モデルに対して,個々のレベルの予測間隔を得ることができる。 両条件共形予測アルゴリズムを用いて、武装紛争による死亡率の予測を行う。
  論文  参考訳（メタデータ） (2024-10-18T14:41:42Z)
• Doubly Calibrated Estimator for Recommendation on Data Missing Not At Random [20.889464448762176]
  既存の推定器は誤判定された暗黙の誤りと正当性スコアに依存していると我々は主張する。 本稿では,計算モデルと確率モデルの両方のキャリブレーションを含む二重校正推定器を提案する。
  論文  参考訳（メタデータ） (2024-02-26T05:08:52Z)
• Attention-Based Ensemble Pooling for Time Series Forecasting [55.2480439325792]
  本稿では,候補モデル予測よりも重み付き平均値を実行するプーリング法を提案する。 本手法は,非定常ロレンツ63方程式の動力学の多段階予測と,COVID-19による週次死亡事故の1段階予測という2つの時系列予測問題に対して試行する。
  論文  参考訳（メタデータ） (2023-10-24T22:59:56Z)
• Pedestrian Trajectory Forecasting Using Deep Ensembles Under Sensing Uncertainty [125.41260574344933]
  エンコーダ・デコーダをベースとした深層アンサンブルネットワークは,認識と予測の不確実性の両方を同時に捕捉する。 全体として、深層アンサンブルはより堅牢な予測を提供し、上流の不確実性の考慮により、モデルの推定精度をさらに高めた。
  論文  参考訳（メタデータ） (2023-05-26T04:27:48Z)
• Evaluation of Machine Learning Techniques for Forecast Uncertainty Quantification [0.13999481573773068]
  アンサンブル予測は、これまでのところ、関連する予測を生成するための最も成功したアプローチであり、その不確実性を見積もっている。 アンサンブル予測の主な制限は、高い計算コストと異なる不確実性の源を捕捉し定量化することの難しさである。 本研究は,1つの決定論的予測のみを入力として,システムの修正状態と状態不確かさを予測するために訓練されたANNの性能を評価するための概念モデル実験である。
  論文  参考訳（メタデータ） (2021-11-29T16:52:17Z)
• CovarianceNet: Conditional Generative Model for Correct Covariance Prediction in Human Motion Prediction [71.31516599226606]
  本稿では,将来の軌道の予測分布に関連する不確かさを正確に予測する手法を提案する。 我々のアプローチであるCovariaceNetは、ガウス潜在変数を持つ条件付き生成モデルに基づいている。
  論文  参考訳（メタデータ） (2021-09-07T09:38:24Z)
• Test-time Collective Prediction [73.74982509510961]
  マシンラーニングの複数のパーティは、将来のテストポイントを共同で予測したいと考えています。 エージェントは、すべてのエージェントの集合の集合的な専門知識の恩恵を受けることを望んでいるが、データやモデルパラメータを解放する意思はないかもしれない。 我々は、各エージェントの事前学習モデルを利用して、テスト時に集合的な予測を行う分散型メカニズムを探索する。
  論文  参考訳（メタデータ） (2021-06-22T18:29:58Z)
• The Aleatoric Uncertainty Estimation Using a Separate Formulation with Virtual Residuals [51.71066839337174]
  既存の手法では、ターゲット推定における誤差を定量化できるが、過小評価する傾向がある。 本稿では,信号とその不確かさを推定するための新たな分離可能な定式化を提案し,オーバーフィッティングの影響を回避した。 提案手法は信号および不確実性推定のための最先端技術より優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-03T12:11:27Z)
• Nonparametric Estimation of the Fisher Information and Its Applications [82.00720226775964]
  本稿では,大きさn$のランダムサンプルからフィッシャー情報の位置推定の問題について考察する。 Bhattacharyaにより提案された推定器を再検討し、収束率の向上を導出する。 クリッピング推定器と呼ばれる新しい推定器を提案する。
  論文  参考訳（メタデータ） (2020-05-07T17:21:56Z)
• Auditing ML Models for Individual Bias and Unfairness [46.94549066382216]
  本研究では,個人バイアス/不公平度に対するMLモデルの監査作業の形式化と,最適値のための一連の推論ツールの開発を行う。 ツールの有用性を実証するために、NorthpointeのCompactes recidivism予測器の性別と人種的偏見を明らかにする。
  論文  参考訳（メタデータ） (2020-03-11T00:35:57Z)

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。