論文の概要: Adaptive Sampling for Estimating Distributions: A Bayesian Upper
Confidence Bound Approach
- arxiv url: http://arxiv.org/abs/2012.04137v1
- Date: Tue, 8 Dec 2020 00:53:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-18 04:00:38.402715
- Title: Adaptive Sampling for Estimating Distributions: A Bayesian Upper
Confidence Bound Approach
- Title(参考訳): 分布推定のための適応サンプリング:ベイズ的上部信頼境界アプローチ
- Authors: Dhruva Kartik, Neeraj Sood, Urbashi Mitra, Tara Javidi
- Abstract要約: 既存の高信頼境界(UCB)ベースのアプローチのベイズ多様体が提案される。
ロサンゼルス郡のセロプレバレンス調査から得られたデータを用いて,この戦略の有効性を考察した。
- 参考スコア(独自算出の注目度): 30.76846526324949
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The problem of adaptive sampling for estimating probability mass functions
(pmf) uniformly well is considered. Performance of the sampling strategy is
measured in terms of the worst-case mean squared error. A Bayesian variant of
the existing upper confidence bound (UCB) based approaches is proposed. It is
shown analytically that the performance of this Bayesian variant is no worse
than the existing approaches. The posterior distribution on the pmfs in the
Bayesian setting allows for a tighter computation of upper confidence bounds
which leads to significant performance gains in practice. Using this approach,
adaptive sampling protocols are proposed for estimating SARS-CoV-2
seroprevalence in various groups such as location and ethnicity. The
effectiveness of this strategy is discussed using data obtained from a
seroprevalence survey in Los Angeles county.
- Abstract(参考訳): 確率質量関数(pmf)を均一に推定するための適応サンプリングの問題点を考察する。
サンプリング戦略の性能は、最悪のケースの平均2乗誤差の観点から測定する。
既存の上信頼境界(UCB)に基づくアプローチのベイズ変種を提案する。
解析学的に、このベイズ変種の性能は既存のアプローチよりも悪いものではないことが示されている。
ベイジアン設定におけるpmfsの後方分布は、高信頼境界のより厳密な計算を可能にし、実際に顕著な性能向上をもたらす。
この手法を用いて,SARS-CoV-2セロプレバレンスを位置や民族など様々なグループで推定するための適応サンプリングプロトコルを提案する。
ロサンゼルス郡のセロプレバレンス調査から得られたデータを用いて,この戦略の有効性を考察した。
関連論文リスト
- Conformal Approach To Gaussian Process Surrogate Evaluation With
Coverage Guarantees [47.22930583160043]
適応型クロスコンフォーマル予測区間を構築する手法を提案する。
結果として生じる共形予測区間は、ベイズ的信頼性集合に類似した適応性のレベルを示す。
原子炉の蒸気発生器における閉鎖現象の高コスト・評価シミュレータのサロゲートモデリングの文脈において, 本手法の適用可能性を示す。
論文 参考訳(メタデータ) (2024-01-15T14:45:18Z) - Provably Efficient Bayesian Optimization with Unbiased Gaussian Process
Hyperparameter Estimation [52.035894372374756]
目的関数の大域的最適値にサブ線形収束できる新しいBO法を提案する。
本手法では,BOプロセスにランダムなデータポイントを追加するために,マルチアームバンディット法 (EXP3) を用いる。
提案手法は, 様々な合成および実世界の問題に対して, 既存の手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2023-06-12T03:35:45Z) - Density Ratio Estimation-based Bayesian Optimization with
Semi-Supervised Learning [5.346298077607419]
半教師付き学習を用いた密度比推定に基づくベイズ最適化を提案する。
本研究では,未ラベル点サンプリングと固定サイズのプールを用いた2つの異なるシナリオにおいて,本手法といくつかの基本手法の実験結果を示す。
論文 参考訳(メタデータ) (2023-05-24T23:01:56Z) - Amortized Variational Inference with Coverage Guarantees [20.189430920135873]
Amortized variational inference(英語版)は、新しい観測によって高速に計算できる後部近似を生成する。
コンフォーマル化補正ニューラル変分推論(CANVI)を提案する。
CANVIは各候補に基づいて共形予測器を構築し、予測効率と呼ばれる計量を用いて予測器を比較し、最も効率的な予測器を返す。
論文 参考訳(メタデータ) (2023-05-23T17:24:04Z) - Double Robust Bayesian Inference on Average Treatment Effects [2.7632791497072553]
不愉快な条件下での平均処理効果(ATE)に対する二重頑健なベイズ推定法を提案する。
我々は、ベルンシュタイン=ヴォン・ミセスの定理の下で、新しい半パラメトリックロバスト性定理を確立することにより、ベイズ的手続きと効率的な頻繁なATE推定器の等価性を証明した。
シミュレーションでは、我々の二重頑健なベイズ法は、既存の頻繁な手法と比較して、大きなバイアス低減と信頼区間のより正確なカバレッジをもたらす。
論文 参考訳(メタデータ) (2022-11-29T15:32:25Z) - Variational Refinement for Importance Sampling Using the Forward
Kullback-Leibler Divergence [77.06203118175335]
変分推論(VI)はベイズ推論における正確なサンプリングの代替として人気がある。
重要度サンプリング(IS)は、ベイズ近似推論手順の推定を微調整し、偏りを逸脱するためにしばしば用いられる。
近似ベイズ推論のための最適化手法とサンプリング手法の新たな組み合わせを提案する。
論文 参考訳(メタデータ) (2021-06-30T11:00:24Z) - Sampling-free Variational Inference for Neural Networks with
Multiplicative Activation Noise [51.080620762639434]
サンプリングフリー変動推論のための後方近似のより効率的なパラメータ化を提案する。
提案手法は,標準回帰問題に対する競合的な結果をもたらし,大規模画像分類タスクに適している。
論文 参考訳(メタデータ) (2021-03-15T16:16:18Z) - Optimal Off-Policy Evaluation from Multiple Logging Policies [77.62012545592233]
我々は,複数のロギングポリシからオフ政治評価を行い,それぞれが一定のサイズ,すなわち階層化サンプリングのデータセットを生成する。
複数ロガーのOPE推定器は,任意のインスタンス,すなわち効率のよいインスタンスに対して最小分散である。
論文 参考訳(メタデータ) (2020-10-21T13:43:48Z) - Unlabelled Data Improves Bayesian Uncertainty Calibration under
Covariate Shift [100.52588638477862]
後続正則化に基づく近似ベイズ推定法を開発した。
前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
論文 参考訳(メタデータ) (2020-06-26T13:50:19Z) - Distributionally Robust Bayesian Quadrature Optimization [60.383252534861136]
確率分布が未知な分布の不確実性の下でBQOについて検討する。
標準的なBQOアプローチは、固定されたサンプル集合が与えられたときの真の期待目標のモンテカルロ推定を最大化する。
この目的のために,新しい後方サンプリングに基づくアルゴリズム,すなわち分布的に堅牢なBQO(DRBQO)を提案する。
論文 参考訳(メタデータ) (2020-01-19T12:00:33Z)
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。