論文の概要: Stopping Criterion Design for Recursive Bayesian Classification: Analysis and Decision Geometry

• arxiv url: http://arxiv.org/abs/2007.15568v2
• Date: Sun, 25 Apr 2021 23:23:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-05 13:49:52.988842
• Title: Stopping Criterion Design for Recursive Bayesian Classification: Analysis and Decision Geometry
• Title（参考訳）: 再帰ベイズ分類のための停止基準設計:解析と決定幾何学
• Authors: Aziz Kocanaogullari, Murat Akcakaya and Deniz Erdogmus
• Abstract要約: 本稿では, 後進状態に関する幾何学的解釈を提案する。 状態後部の最大値を超える信頼しきい値が硬さに悩まされていることを示す。 そこで我々は,その限界を克服するための幾何学的洞察を持つ新しい停止・終了基準を提案する。
• 参考スコア（独自算出の注目度）: 11.399206131178104
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Systems that are based on recursive Bayesian updates for classification limit the cost of evidence collection through certain stopping/termination criteria and accordingly enforce decision making. Conventionally, two termination criteria based on pre-defined thresholds over (i) the maximum of the state posterior distribution; and (ii) the state posterior uncertainty are commonly used. In this paper, we propose a geometric interpretation over the state posterior progression and accordingly we provide a point-by-point analysis over the disadvantages of using such conventional termination criteria. For example, through the proposed geometric interpretation we show that confidence thresholds defined over maximum of the state posteriors suffer from stiffness that results in unnecessary evidence collection whereas uncertainty based thresholding methods are fragile to number of categories and terminate prematurely if some state candidates are already discovered to be unfavorable. Moreover, both types of termination methods neglect the evolution of posterior updates. We then propose a new stopping/termination criterion with a geometrical insight to overcome the limitations of these conventional methods and provide a comparison in terms of decision accuracy and speed. We validate our claims using simulations and using real experimental data obtained through a brain computer interfaced typing system.
• Abstract（参考訳）: 分類のための再帰的ベイズ更新に基づくシステムは、特定の停止/終了基準を通じて証拠収集のコストを制限し、それに従って意思決定を強制する。 従来、事前定義された閾値に基づく2つの終了基準 i) 状態後分布の最大値,及び (ii)後方不確実性は一般的に用いられる。 本稿では, 後続状態に関する幾何学的解釈を提案し, 従来の終端基準を用いた場合の欠点をポイント・バイ・ポイントで解析する。 例えば、提案した幾何学的解釈により、状態後部の最大値以上で定義された信頼しきい値が不必要な証拠収集をもたらす硬さに悩まされているのに対し、不確実性に基づくしきい値は、いくつかの状態候補がすでに好ましくないと判明している場合に、多くのカテゴリに脆弱で早期に終了する。 さらに,いずれの方法も後続更新の進化を無視している。 次に,従来の手法の限界を克服し,決定精度と速度の比較を行うため,幾何学的洞察を持つ新しい停止・終了基準を提案する。 我々は,脳コンピュータインタフェース型入力システムを用いて,シミュレーションと実実験データを用いてクレームを検証した。

関連論文リスト

• Inference with non-differentiable surrogate loss in a general high-dimensional classification framework [4.792322531593389]
  仮説テストと区間推定を構築するために,カーネルスムーズな非相関スコアを提案する。 具体的には、不連続点近傍の不連続勾配を滑らかにするためにカーネル近似を採用する。 カーネルスムースなデコラートスコアとそのクロスフィットバージョンを高次元設定で限定分布として確立する。
  論文  参考訳（メタデータ） (2024-05-20T01:50:35Z)
• Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
  確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。 本手法は, 精度の高い問題に特に適している。 提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
  論文  参考訳（メタデータ） (2023-11-08T00:10:21Z)
• Calibrating Neural Simulation-Based Inference with Differentiable Coverage Probability [50.44439018155837]
  ニューラルモデルのトレーニング目的に直接キャリブレーション項を含めることを提案する。 古典的なキャリブレーション誤差の定式化を緩和することにより、エンドツーエンドのバックプロパゲーションを可能にする。 既存の計算パイプラインに直接適用でき、信頼性の高いブラックボックス後部推論が可能である。
  論文  参考訳（メタデータ） (2023-10-20T10:20:45Z)
• Kernel Conditional Moment Constraints for Confounding Robust Inference [22.816690686310714]
  本研究では,非保守的共同設立者を対象に,オフラインの文脈的盗賊の政策評価について検討した。 政策値のシャープな下限を提供する一般推定器を提案する。
  論文  参考訳（メタデータ） (2023-02-26T16:44:13Z)
• Minimax Instrumental Variable Regression and $L_2$ Convergence Guarantees without Identification or Closedness [71.42652863687117]
  インストゥルメンタル変数(IV)回帰の非パラメトリック推定について検討した。 固定IV解に収束できる新しいペナル化ミニマックス推定器を提案する。 ラックス条件下での推定値に対して強い$L$誤差率を導出する。
  論文  参考訳（メタデータ） (2023-02-10T18:08:49Z)
• Optimal Treatment Regimes for Proximal Causal Learning [7.672587258250301]
  そこで本研究では,橋梁における結果と治療の相違に基づく最適な個別化治療体制を提案する。 この新たな最適治療体制の価値関数は,文献上に存在するものよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-12-19T14:29:25Z)
• The Implicit Delta Method [61.36121543728134]
  本稿では,不確実性のトレーニング損失を無限に正規化することで機能する,暗黙のデルタ法を提案する。 有限差分により無限小変化が近似された場合でも, 正則化による評価の変化は評価推定器の分散に一定であることを示す。
  論文  参考訳（メタデータ） (2022-11-11T19:34:17Z)
• Estimation and Applications of Quantiles in Deep Binary Classification [0.0]
  チェック損失に基づく量子回帰は統計学において広く使われている推論パラダイムである。 二項分類設定におけるチェック損失の類似について考察する。 我々は、予測が信頼できるかどうかを判断するために使用できる個別信頼度スコアを開発する。
  論文  参考訳（メタデータ） (2021-02-09T07:07:42Z)
• Doubly Robust Off-Policy Value and Gradient Estimation for Deterministic Policies [80.42316902296832]
  本研究では,行動継続時の非政治データから決定論的政策の政策値と勾配を推定する。 この設定では、密度比が存在しないため、標準重要度サンプリングとポリシー値と勾配の2倍の頑健な推定が失敗する。 異なるカーネル化アプローチに基づく2つの新しい頑健な推定器を提案する。
  論文  参考訳（メタデータ） (2020-06-06T15:52:05Z)
• Confounding-Robust Policy Evaluation in Infinite-Horizon Reinforcement Learning [70.01650994156797]
  教育医療などのバッチ強化学習において、観察データからのシーケンシャルな意思決定方針のオフ・アセスメントが必要である。 我々は、ある政策の境界を推定するアプローチを開発する。 より凝縮したデータを集めることで、シャープな境界への収束を証明します。
  論文  参考訳（メタデータ） (2020-02-11T16:18:14Z)

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。