論文の概要: GPIRT: A Gaussian Process Model for Item Response Theory

• arxiv url: http://arxiv.org/abs/2006.09900v1
• Date: Wed, 17 Jun 2020 14:35:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-19 19:43:16.935003
• Title: GPIRT: A Gaussian Process Model for Item Response Theory
• Title（参考訳）: GPIRT:アイテム応答理論のためのガウス過程モデル
• Authors: JBrandon Duck-Mayr (1) and Roman Garnett (1) and Jacob M. Montgomery (1) ((1) Washington University in St. Louis)
• Abstract要約: 項目応答理論(IRT)モデルの目標は、二項観測指標から潜在特性を推定することである。 多くの場合、観察された振る舞いは、従来のIRTモデルのパラメトリックな仮定からかなり逸脱することができる。
• 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: The goal of item response theoretic (IRT) models is to provide estimates of latent traits from binary observed indicators and at the same time to learn the item response functions (IRFs) that map from latent trait to observed response. However, in many cases observed behavior can deviate significantly from the parametric assumptions of traditional IRT models. Nonparametric IRT models overcome these challenges by relaxing assumptions about the form of the IRFs, but standard tools are unable to simultaneously estimate flexible IRFs and recover ability estimates for respondents. We propose a Bayesian nonparametric model that solves this problem by placing Gaussian process priors on the latent functions defining the IRFs. This allows us to simultaneously relax assumptions about the shape of the IRFs while preserving the ability to estimate latent traits. This in turn allows us to easily extend the model to further tasks such as active learning. GPIRT therefore provides a simple and intuitive solution to several longstanding problems in the IRT literature.
• Abstract（参考訳）: 項目応答理論(IRT)モデルの目標は、2値観測された指標から潜時特性を推定し、同時に、潜時特性から観測された応答にマッピングするアイテム応答関数(IRF)を学習することである。 しかし、多くの場合、観察された振る舞いは従来のIRTモデルのパラメトリックな仮定からかなり逸脱する可能性がある。 非パラメトリックIRTモデルは、IRFの形式に関する仮定を緩和することでこれらの課題を克服するが、標準ツールは柔軟性のあるIRFを同時に見積もることができず、回答者の能力推定を回復できない。 IRFを定義する潜在関数上にガウス過程を配置することによりこの問題を解決するベイズ非パラメトリックモデルを提案する。 これにより、潜伏特性を推定する能力を保ちながら、IRFの形状に関する仮定を同時に緩和することができる。 これにより、モデルを簡単にアクティブラーニングなどのタスクに拡張することができます。 したがって、GPIRTはIRTの文学における長年の問題に対する単純で直感的な解決策を提供する。

関連論文リスト

• Semiparametric inference for impulse response functions using double/debiased machine learning [49.1574468325115]
  本稿では,インパルス応答関数(IRF)に対する機械学習推定手法を提案する。 提案した推定器は、処理と結果変数の完全な非パラメトリック関係に依存することができ、柔軟な機械学習アプローチを用いてIRFを推定することができる。
  論文  参考訳（メタデータ） (2024-11-15T07:42:02Z)
• Optimal Kernel Quantile Learning with Random Features [0.9208007322096533]
  本稿では、ランダムな特徴を持つカーネル量子化回帰(KQR-RF)の一般化研究について述べる。 本研究は,KQR-RFの能力依存学習率を,RF数に対する軽度条件下で確立する。 我々の仮定を少し修正することによって、キャパシティに依存した誤差解析が、リプシッツ連続損失のケースにも適用できる。
  論文  参考訳（メタデータ） (2024-08-24T14:26:09Z)
• In-Flight Estimation of Instrument Spectral Response Functions Using Sparse Representations [7.820031647973761]
  本稿では,辞書に属する原子のスパース表現に基づく新しいISRF推定法について検討する。 提案手法は, より一般的に用いられるパラメトリックモデルと比較して, 非常に競争力が高いことを示す。
  論文  参考訳（メタデータ） (2024-04-08T08:35:50Z)
• Recurrent neural networks and transfer learning for elasto-plasticity in woven composites [0.0]
  本稿では, 織物のメソスケールシミュレーションの代用として, リカレントニューラルネットワーク(RNN)モデルを提案する。 平均場モデルは、弾塑性挙動を表す包括的データセットを生成する。 シミュレーションでは、任意の6次元ひずみヒストリーを用いて、ランダムウォーキング時の応力を原課題として、循環荷重条件を目標課題として予測する。
  論文  参考訳（メタデータ） (2023-11-22T14:47:54Z)
• Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
  DiffuseReconは拡散モデルに基づく新しいMR再構成法である。 観測された信号に基づいて生成過程を導出する。 特定の加速因子に関する追加の訓練は必要としない。
  論文  参考訳（メタデータ） (2022-03-08T02:25:38Z)
• Robust lEarned Shrinkage-Thresholding (REST): Robust unrolling for sparse recover [87.28082715343896]
  我々は、モデルミス特定を前進させるのに堅牢な逆問題を解決するためのディープニューラルネットワークについて検討する。 我々は,アルゴリズムの展開手法を根底にある回復問題のロバストバージョンに適用することにより,新しい堅牢なディープニューラルネットワークアーキテクチャを設計する。 提案したRESTネットワークは,圧縮センシングとレーダイメージングの両問題において,最先端のモデルベースおよびデータ駆動アルゴリズムを上回る性能を示す。
  論文  参考訳（メタデータ） (2021-10-20T06:15:45Z)
• Modeling Item Response Theory with Stochastic Variational Inference [8.369065078321215]
  項目応答理論(IRT)のための変分ベイズ推論アルゴリズムを提案する。 この手法を5つの大規模項目応答データセットに適用すると、欠落したデータを出力する際の高いログ可能性と高い精度が得られる。 アルゴリズムの実装はオープンソースであり、簡単に利用できる。
  論文  参考訳（メタデータ） (2021-08-26T05:00:27Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Exposing Shallow Heuristics of Relation Extraction Models with Challenge Data [49.378860065474875]
  我々は、TACREDで訓練されたSOTA関係抽出(RE)モデルの故障モードを同定する。 トレーニングの例として、いくつかの課題データを追加することで、モデルのパフォーマンスが向上する。
  論文  参考訳（メタデータ） (2020-10-07T21:17:25Z)
• Targeted free energy estimation via learned mappings [66.20146549150475]
  自由エネルギー摂動 (FEP) は60年以上前にズワンツィヒによって自由エネルギー差を推定する方法として提案された。 FEPは、分布間の十分な重複の必要性という厳しい制限に悩まされている。 目標自由エネルギー摂動(Targeted Free Energy Perturbation)と呼ばれるこの問題を緩和するための1つの戦略は、オーバーラップを増やすために構成空間の高次元マッピングを使用する。
  論文  参考訳（メタデータ） (2020-02-12T11:10:00Z)

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。