論文の概要: Interactive Inference under Information Constraints

• arxiv url: http://arxiv.org/abs/2007.10976v5
• Date: Sat, 23 Oct 2021 09:12:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-08 05:54:55.923841
• Title: Interactive Inference under Information Constraints
• Title（参考訳）: 情報制約下における対話的推論
• Authors: Jayadev Acharya, Cl\'ement L. Canonne, Yuhan Liu, Ziteng Sun, and Himanshu Tyagi
• Abstract要約: 情報制約下での分散統計的推論における相互作用性の役割について検討する。 適合度テストの課題と離散分布の推定に焦点をあてる。
• 参考スコア（独自算出の注目度）: 45.72264074254599
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the role of interactivity in distributed statistical inference under information constraints, e.g., communication constraints and local differential privacy. We focus on the tasks of goodness-of-fit testing and estimation of discrete distributions. From prior work, these tasks are well understood under noninteractive protocols. Extending these approaches directly for interactive protocols is difficult due to correlations that can build due to interactivity; in fact, gaps can be found in prior claims of tight bounds of distribution estimation using interactive protocols. We propose a new approach to handle this correlation and establish a unified method to establish lower bounds for both tasks. As an application, we obtain optimal bounds for both estimation and testing under local differential privacy and communication constraints. We also provide an example of a natural testing problem where interactivity helps.
• Abstract（参考訳）: 情報制約下での分散統計的推論における対話性の役割,例えばコミュニケーション制約と局所的微分プライバシーについて検討する。 我々は,適合度テストの課題と離散分布の推定に焦点を当てた。 以前の作業から、これらのタスクは非対話的なプロトコルでよく理解されている。 対話的プロトコルに対してこれらのアプローチを直接拡張することは、対話性によって構築できる相関関係のため困難であり、実際、対話的プロトコルを用いた分布推定の厳密な境界の主張にギャップが認められる。 本稿では,この相関に対処する新しい手法を提案し,両タスクの下位境界を確立する統一的な手法を確立する。 アプリケーションとして,局所微分プライバシーおよび通信制約下での推定とテストの両方に最適な境界を求める。 また、対話性が役に立つ自然なテスト問題の例も提供します。

関連論文リスト

• Conformal Counterfactual Inference under Hidden Confounding [19.190396053530417]
  反ファクトの世界における潜在的な結果の予測と不確実性は、因果推論における因果的問題を引き起こす。 反事実に対する信頼区間を構成する既存の方法は、強い無知の仮定に依存する。 提案手法は, 限界収束保証付き実測結果に対する信頼区間を提供するトランスダクティブ重み付き共形予測に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-05-20T21:43:43Z)
• Integrating Active Learning in Causal Inference with Interference: A Novel Approach in Online Experiments [5.488412825534217]
  ACI(Causal Inference with Interference)におけるアクティブラーニング手法について紹介する。 ACIはガウス過程を用いて、隣人の治療課題の連続的な測定の関数として直接的および余分な処理効果を柔軟にモデル化する。 データ要求の低減による精度の高い効果推定の実現可能性を示す。
  論文  参考訳（メタデータ） (2024-02-20T04:13:59Z)
• AntEval: Evaluation of Social Interaction Competencies in LLM-Driven Agents [65.16893197330589]
  大規模言語モデル(LLM)は、幅広いシナリオで人間の振る舞いを再現する能力を示した。 しかし、複雑なマルチ文字のソーシャルインタラクションを扱う能力については、まだ完全には研究されていない。 本稿では,新しいインタラクションフレームワークと評価手法を含むマルチエージェントインタラクション評価フレームワーク(AntEval)を紹介する。
  論文  参考訳（メタデータ） (2024-01-12T11:18:00Z)
• Interactive Graph Convolutional Filtering [79.34979767405979]
  インタラクティブ・レコメンダ・システム(IRS)は、パーソナライズされた記事レコメンデーション、ソーシャルメディア、オンライン広告など、さまざまな領域でますます利用されている。 これらの問題は、コールドスタート問題とデータスポーサリティ問題によって悪化する。 既存のMulti-Armed Bandit手法は、慎重に設計された探査戦略にもかかわらず、しばしば初期の段階で満足な結果を提供するのに苦労する。 提案手法は,ユーザとアイテム間の協調フィルタリング性能を向上させるため,協調フィルタリングをグラフモデルに拡張する。
  論文  参考訳（メタデータ） (2023-09-04T09:02:31Z)
• Killing Two Birds with One Stone: Quantization Achieves Privacy in Distributed Learning [18.824571167583432]
  コミュニケーション効率とプライバシ保護は、分散機械学習において重要な問題である。 通信効率とプライバシ保護を同時に達成できる包括的量子化ベースのソリューションを提案する。 理論的には、コミュニケーション、プライバシ、学習パフォーマンスの新たなトレードオフを捉えます。
  論文  参考訳（メタデータ） (2023-04-26T13:13:04Z)
• The Role of Interactivity in Structured Estimation [44.068012503785475]
  3つの自然制約下での高次元推定について検討する。 空間性仮定がなければ、相互作用性は推定の最小値率を改善することはできない。 より構造化された空間を持つと、ギャップは増大する。
  論文  参考訳（メタデータ） (2022-03-14T05:54:42Z)
• Towards Interaction Detection Using Topological Analysis on Neural Networks [55.74562391439507]
  ニューラルネットワークでは、あらゆる相互作用する特徴は共通の隠蔽ユニットとの強い重み付けの接続に従う必要がある。 本稿では, 永続的ホモロジーの理論に基づいて, 相互作用強度を定量化するための新しい尺度を提案する。 PID(Persistence Interaction Detection)アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2020-10-25T02:15:24Z)
• Joint Constrained Learning for Event-Event Relation Extraction [94.3499255880101]
  本稿では,イベント・イベント関係をモデル化するための制約付き協調学習フレームワークを提案する。 具体的には、このフレームワークは、複数の時間的および部分的関係内の論理的制約を強制する。 我々は,共同学習手法が,共同ラベル付きデータの欠如を効果的に補うことを示す。
  論文  参考訳（メタデータ） (2020-10-13T22:45:28Z)
• Unified lower bounds for interactive high-dimensional estimation under information constraints [40.339506154827106]
  我々は、異なるパラメトリックな分布族に対して、様々な(八)ミニマックスの下限を導出できる統一的なフレームワークを提供する。 我々の下界フレームワークは汎用的であり、幅広い推定問題に適用可能な「プラグ・アンド・プレイ」境界が得られる。
  論文  参考訳（メタデータ） (2020-10-13T17:25:19Z)
• GenDICE: Generalized Offline Estimation of Stationary Values [108.17309783125398]
  重要なアプリケーションでは,効果的な推定が依然として可能であることを示す。 我々のアプローチは、定常分布と経験分布の差を補正する比率を推定することに基づいている。 結果として得られるアルゴリズム、GenDICEは単純で効果的である。
  論文  参考訳（メタデータ） (2020-02-21T00:27:52Z)

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。