論文の概要: CD-split and HPD-split: efficient conformal regions in high dimensions
- arxiv url: http://arxiv.org/abs/2007.12778v3
- Date: Mon, 4 Oct 2021 19:38:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-07 06:32:04.720053
- Title: CD-split and HPD-split: efficient conformal regions in high dimensions
- Title(参考訳): cd-splitとhpd-split:高次元の効率的な共形領域
- Authors: Rafael Izbicki, Gilson Shimizu, Rafael B. Stern
- Abstract要約: 我々は,CDスプリットの理論的性質を探求することによって,CDスプリットに関する新たな知見を提供する。
我々は,CDスプリットが最も高い予測密度集合に収束し,局所的変動と条件付き妥当性を満たすことを示す。
我々は,CDスプリットの手法であるHPDスプリットを導入し,CDスプリットと同じ理論的保証を共有することを示す。
- 参考スコア(独自算出の注目度): 3.1690891866882236
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Conformal methods create prediction bands that control average coverage
assuming solely i.i.d. data. Although the literature has mostly focused on
prediction intervals, more general regions can often better represent
uncertainty. For instance, a bimodal target is better represented by the union
of two intervals. Such prediction regions are obtained by CD-split , which
combines the split method and a data-driven partition of the feature space
which scales to high dimensions. CD-split however contains many tuning
parameters, and their role is not clear. In this paper, we provide new insights
on CD-split by exploring its theoretical properties. In particular, we show
that CD-split converges asymptotically to the oracle highest predictive density
set and satisfies local and asymptotic conditional validity. We also present
simulations that show how to tune CD-split. Finally, we introduce HPD-split, a
variation of CD-split that requires less tuning, and show that it shares the
same theoretical guarantees as CD-split. In a wide variety of our simulations,
CD-split and HPD-split have better conditional coverage and yield smaller
prediction regions than other methods.
- Abstract(参考訳): コンフォーマルな手法は、データのみを仮定する平均カバレッジを制御する予測バンドを生成する。
文献は主に予測間隔に焦点を当てているが、より一般的な領域は不確実性を表すことが多い。
例えば、バイモーダルターゲットは2つの区間の和によってより良く表現される。
このような予測領域は、分割法と高次元にスケールする特徴空間のデータ駆動分割を組み合わせたCD分割によって得られる。
しかしCDスプリットには多くのチューニングパラメータが含まれており、その役割は明確ではない。
本稿では,cd-splitに関する新たな知見を,その理論的性質について考察する。
特に,CDスプリットはオラクルの最大予測密度に漸近的に収束し,局所的および漸近的条件妥当性を満たすことを示す。
また,CDスプリットのチューニング方法を示すシミュレーションも提示する。
最後に,cd-split の変種である hpd-split を導入し,cd-split と同じ理論上の保証を共有することを示す。
シミュレーションでは,CDスプリットとHPDスプリットは条件付きカバレッジが良く,予測領域も他の方法より小さい。
関連論文リスト
- Explaining and Improving Contrastive Decoding by Extrapolating the Probabilities of a Huge and Hypothetical LM [93.8400683020273]
コントラストデコーディング(CD)は,小型のアマチュアLMを用いて,大規模専門家言語モデル(LM)の次点分布を改善する。
我々は$mathbfA$symptotic $mathbfP$robability $mathbfD$ecoding (APD)と呼ばれる新しい教師なし復号法を提案する。
APDは異なる大きさのLMから確率曲線を明示的に外挿し、CDよりも多くの推論コストを発生させることなく無限大のLMから確率曲線を推定する。
論文 参考訳(メタデータ) (2024-11-03T15:31:44Z) - Clustering-Based Validation Splits for Model Selection under Domain Shift [0.0]
トレーニングバリデーション分割は2つのセット間の分布ミスマッチを最大化するべきである。
線形プログラミングを利用してスプリットのサイズ、ラベル、および(任意に)グループ分布を制御する制約付きクラスタリングアルゴリズムを示す。
論文 参考訳(メタデータ) (2024-05-29T19:21:17Z) - Toward distortion-aware change detection in realistic scenarios [16.192695430837443]
そこで本研究では,CDタスクにおける時間的幾何学的歪みに対する再利用可能な自己教師型フレームワークを提案する。
このフレームワークはPretext Representation Pre-training, Bitemporal Image Alignment, Down-stream Decoder Fine-Tuningで構成されている。
シングルステージの事前トレーニングのみで、フレームワークの重要なコンポーネントは、バイテンポラルイメージアライメントの補助として再利用することができる。
論文 参考訳(メタデータ) (2024-01-10T13:43:06Z) - Deep Metric Learning for Unsupervised Remote Sensing Change Detection [60.89777029184023]
リモートセンシング変化検出(RS-CD)は、マルチテンポラルリモートセンシング画像(MT-RSI)から関連する変化を検出することを目的とする。
既存のRS-CD法の性能は、大規模な注釈付きデータセットのトレーニングによるものである。
本稿では,これらの問題に対処可能なディープメトリック学習に基づく教師なしCD手法を提案する。
論文 参考訳(メタデータ) (2023-03-16T17:52:45Z) - Targeted Separation and Convergence with Kernel Discrepancies [61.973643031360254]
カーネルベースの不一致測度は、(i)ターゲットPを他の確率測度から分離するか、(ii)Pへの弱収束を制御する必要がある。
本稿では, (i) と (ii) を保証するのに十分な,必要な新しい条件を導出する。
可分距離空間上のMDDに対して、ボヒナー埋め込み可測度を分離するカーネルを特徴づけ、すべての測度を非有界カーネルと分離するための単純な条件を導入する。
論文 参考訳(メタデータ) (2022-09-26T16:41:16Z) - Revisiting Consistency Regularization for Semi-supervised Change
Detection in Remote Sensing Images [60.89777029184023]
教師付きクロスエントロピー(CE)損失に加えて、教師なしCD損失を定式化する半教師付きCDモデルを提案する。
2つの公開CDデータセットを用いて実験を行った結果,提案手法は教師付きCDの性能に近づきやすいことがわかった。
論文 参考訳(メタデータ) (2022-04-18T17:59:01Z) - Density-aware Chamfer Distance as a Comprehensive Metric for Point Cloud
Completion [90.26652899910019]
チャンファー距離 (CD) とアースモーバー距離 (EMD) は、2つの点集合間の類似度を測定するために広く採用されている2つの指標である。
本稿では,DCD(Dedentity-Aware Chamfer Distance)と呼ばれる新しい類似度尺度を提案する。
DCDは、全体構造と局所的詳細の両方に注意を払っており、CDと矛盾する場合でも、より信頼性の高い評価を提供する。
論文 参考訳(メタデータ) (2021-11-24T18:56:27Z) - Density Ratio Estimation via Infinitesimal Classification [85.08255198145304]
そこで我々は, DRE-inftyを提案する。 DRE-inftyは, 密度比推定(DRE)を, より簡単なサブプロブレムに還元する手法である。
モンテカルロ法にインスパイアされ、中間ブリッジ分布の無限連続体を介して2つの分布の間を滑らかに補間する。
提案手法は,複雑な高次元データセット上での相互情報推定やエネルギーベースモデリングなどの下流タスクにおいて良好に動作することを示す。
論文 参考訳(メタデータ) (2021-11-22T06:26:29Z) - Distributional Sliced Embedding Discrepancy for Incomparable
Distributions [22.615156512223766]
Gromov-Wasserstein (GW) 距離は多様体学習とクロスドメイン学習の鍵となるツールである。
本稿では,分散スライシング,埋め込み,スライスされた分布間の閉形式ワッサーシュタイン距離の計算という2つの計算分布を比較する新しい手法を提案する。
論文 参考訳(メタデータ) (2021-06-04T15:11:30Z)
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。