論文の概要: Graph-based calibration transfer

• arxiv url: http://arxiv.org/abs/2006.00089v1
• Date: Fri, 29 May 2020 21:30:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-26 23:14:19.914008
• Title: Graph-based calibration transfer
• Title（参考訳）: グラフに基づくキャリブレーション転送
• Authors: Ramin Nikzad-Langerodi and Florian Sobieczky
• Abstract要約: 現在のSoA(State-of-the-art)メソッドでは、適切な転送標準が利用可能であれば、(一部)直接標準化がうまく機能する。 部分最小二乗(PLS)目的の多様体正規化を用いた新しいCT手法を提案する。
• 参考スコア（独自算出の注目度）: 2.1320960069210484
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The problem of transferring calibrations from a primary to a secondary instrument, i.e. calibration transfer (CT), has been a matter of considerable research in chemometrics over the past decades. Current state-of-the-art (SoA) methods like (piecewise) direct standardization perform well when suitable transfer standards are available. However, stable calibration standards that share similar (spectral) features with the calibration samples are not always available. Towards enabling CT with arbitrary calibration standards, we propose a novel CT technique that employs manifold regularization of the partial least squares (PLS) objective. In particular, our method enforces that calibration standards, measured on primary and secondary instruments, have (nearly) invariant projections in the latent variable space of the primary calibration model. Thereby, our approach implicitly removes inter-device variation in the predictive directions of X which is in contrast to most state-of-the-art techniques that employ explicit pre-processing of the input data. We test our approach on the well-known corn benchmark data set employing the NBS glass standard spectra for instrument standardization and compare the results with current SoA methods.
• Abstract（参考訳）: キャリブレーションを一次装置から二次機器へ転送する問題、すなわちキャリブレーション転送(CT)は、過去数十年にわたって化学工学においてかなりの研究がなされてきた。 現在のSoA(State-of-the-art)メソッドでは、適切な転送標準が利用可能であれば、(一部)直接標準化がうまく機能する。 しかし、同様の(スペクトル)特徴とキャリブレーションサンプルを共有する安定したキャリブレーション標準は必ずしも利用できない。 任意校正基準によるCTの実現に向けて, 部分最小二乗(PLS)目標の多様体正規化を用いた新しいCT手法を提案する。 特に,本手法では,一次および二次機器で測定されるキャリブレーション標準は,一次キャリブレーションモデルの潜在変数空間において(ほぼ)不変な射影を持つ。 これにより、入力データの明示的な前処理を用いたほとんどの最先端技術とは対照的に、xの予測方向におけるデバイス間変動を暗黙的に除去する。 我々は、nbsガラス標準スペクトルを機器の標準化に用いたコーンベンチマークデータセットでこのアプローチをテストし、その結果を現在のsoaメソッドと比較する。

関連論文リスト

• Localized Calibration: Metrics and Recalibration [133.07044916594361]
  完全大域キャリブレーションと完全個別化キャリブレーションのギャップにまたがる細粒度キャリブレーション指標を提案する。 次に,局所再校正法であるLoReを導入し,既存の校正法よりもLCEを改善する。
  論文  参考訳（メタデータ） (2021-02-22T07:22:12Z)
• Post-hoc Uncertainty Calibration for Domain Drift Scenarios [46.88826364244423]
  既存のポストホックキャリブレーション手法は、ドメインシフト下での過信予測を高い精度で得ることを示した。 ポストホックキャリブレーションステップを実行する前に、検証セットのサンプルに摂動を適用する簡単な戦略を紹介します。
  論文  参考訳（メタデータ） (2020-12-20T18:21:13Z)
• Uncertainty Quantification and Deep Ensembles [79.4957965474334]
  ディープアンサンブルが必ずしもキャリブレーション特性の改善につながるとは限らないことを示す。 そこで本研究では,混成正規化などの現代的な手法と併用して標準アンサンブル法を用いることで,キャリブレーションの少ないモデルが得られることを示す。 このテキストは、データが不足しているときにディープラーニングを活用するために、最も単純で一般的な3つのアプローチの相互作用を調べる。
  論文  参考訳（メタデータ） (2020-07-17T07:32:24Z)
• Transferable Calibration with Lower Bias and Variance in Domain Adaptation [139.4332115349543]
  ドメイン適応(DA)は、ラベル付きソースドメインからラベル付きターゲットドメインへの学習マシンの転送を可能にする。 DAモデルの予測的不確実性を推定する方法は、安全クリティカルなシナリオにおける意思決定に不可欠である。 TransCalは既存のDAメソッドの校正に簡単に適用できる。
  論文  参考訳（メタデータ） (2020-07-16T11:09:36Z)
• Unsupervised Calibration under Covariate Shift [92.02278658443166]
  ドメインシフト下でのキャリブレーションの問題を導入し、それに対処するための重要サンプリングに基づくアプローチを提案する。 実世界のデータセットと合成データセットの両方において,本手法の有効性を評価し検討した。
  論文  参考訳（メタデータ） (2020-06-29T21:50:07Z)
• Multi-Class Uncertainty Calibration via Mutual Information Maximization-based Binning [8.780958735684958]
  ポストホック多クラスキャリブレーションは、ディープニューラルネットワーク予測の信頼度推定を提供する一般的なアプローチである。 近年の研究では、広く使われているスケーリング手法がキャリブレーション誤差を過小評価していることが示されている。 類似クラス間で1つのキャリブレータを共有する共有クラスワイド(sCW)キャリブレーション戦略を提案する。
  論文  参考訳（メタデータ） (2020-06-23T15:31:59Z)
• Calibration of Neural Networks using Splines [51.42640515410253]
  キャリブレーション誤差の測定は、2つの経験的分布を比較します。 古典的コルモゴロフ・スミルノフ統計テスト(KS)にインスパイアされたビンニングフリーキャリブレーション尺度を導入する。 提案手法は,KS誤差に対する既存の手法と,他の一般的なキャリブレーション手法とを一貫して比較する。
  論文  参考訳（メタデータ） (2020-06-23T07:18:05Z)
• A Speaker Verification Backend for Improved Calibration Performance across Varying Conditions [21.452221762153577]
  そこで本研究では,事前校正性能を良好に向上する話者検証のための識別バックエンドを提案する。 バックエンドのすべてのパラメータは、話者検証タスクのバイナリクロスエントロピーを最適化するために共同で訓練される。 本手法は,従来の提案手法と類似した性能を提供するが,実装が簡単で,トレーニングデータに対する要件も少ないことを示す。
  論文  参考訳（メタデータ） (2020-02-05T15:37:46Z)

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。