Fugu-MT 論文翻訳(概要): A note on a confidence bound of Kuzborskij and Szepesv\'ari

論文の概要: A note on a confidence bound of Kuzborskij and Szepesv\'ari

arxiv url: http://arxiv.org/abs/2101.04671v1
Date: Tue, 12 Jan 2021 18:57:23 GMT
ステータス: 処理完了
システム内更新日: 2021-04-04 01:38:41.543866
Title: A note on a confidence bound of Kuzborskij and Szepesv\'ari
Title（参考訳）: KuzborskijとSzepesv\'ariの信頼境界について
Authors: Omar Rivasplata
Abstract要約: Kuzborskij と Szepesv'ari は独立ランダム変数の関数に対する信頼境界を導出した。このメモは「フィーチャー映画」を楽しみながらプレビューシーケンスを省略する人のために書かれたものである。
参考スコア（独自算出の注目度）: 5.3556221126231085
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In an interesting recent work, Kuzborskij and Szepesv\'ari derived a confidence bound for functions of independent random variables, which is based on an inequality that relates concentration to squared perturbations of the chosen function. Kuzborskij and Szepesv\'ari also established the PAC-Bayes-ification of their confidence bound. Two important aspects of their work are that the random variables could be of unbounded range, and not necessarily of an identical distribution. The purpose of this note is to advertise/discuss these interesting results, with streamlined proofs. This expository note is written for persons who, metaphorically speaking, enjoy the "featured movie" but prefer to skip the preview sequence.
Abstract（参考訳）: 興味深い最近の研究で、Kuzborskij と Szepesv\'ari は独立確率変数の函数に対する信頼度を導出した。 Kuzborskij と Szepesv\'ari は PAC-Bayes-ification of their confidence bound も設立した。彼らの研究の2つの重要な側面は、確率変数が非有界な範囲であり、必ずしも同じ分布であるとは限らないことである。このノートの目的は、これらの興味深い結果を合理化して宣伝し、議論することである。この公開ノートは、例え「フィーチャー映画」を楽しみながらプレビューシーケンスをスキップする人のために書かれています。

関連論文リスト

Show Your Work with Confidence: Confidence Bands for Tuning Curves [51.12106543561089]
チューニング作業の関数としての曲線プロット検証性能。そこで我々は,曲線のチューニングに有効な信頼帯域を構築するための最初の方法を提案する。提案手法と比較し,提案手法の有効性を検証し,サンプルサイズの影響を解析し,モデルの比較に関するガイダンスを提供する。
論文参考訳（メタデータ） (2023-11-16T00:50:37Z)
Leveraging Ensemble Diversity for Robust Self-Training in the Presence of Sample Selection Bias [5.698050337128548]
半教師付き学習において、自己学習はよく知られたアプローチである。モデルが自信を持ってラベル付きデータに擬似ラベルを反復的に割り当て、ラベル付き例として扱う。ニューラルネットワークの場合、ソフトマックス予測確率はしばしば信頼度尺度として使用されるが、誤った予測であっても過度に信頼されていることが知られている。本稿では,線形分類器のアンサンブルの予測多様性に基づいて,$mathcalT$-similarityと呼ばれる新しい信頼度尺度を提案する。
論文参考訳（メタデータ） (2023-10-23T11:30:06Z)
The Lipschitz-Variance-Margin Tradeoff for Enhanced Randomized Smoothing [85.85160896547698]
ディープニューラルネットワークの現実的な応用は、ノイズの多い入力や敵攻撃に直面した場合、その不安定な予測によって妨げられる。入力にノイズ注入を頼りに、認証された半径を持つ効率的な分類器を設計する方法を示す。新たな認証手法により、ランダムな平滑化による事前学習モデルの使用が可能となり、ゼロショット方式で現在の認証半径を効果的に改善できる。
論文参考訳（メタデータ） (2023-09-28T22:41:47Z)
Exact Non-Oblivious Performance of Rademacher Random Embeddings [79.28094304325116]
本稿では,Rademacherランダムプロジェクションの性能を再検討する。入力データに関して数値的に鋭く、曖昧でない新しい統計的保証を確立する。
論文参考訳（メタデータ） (2023-03-21T11:45:27Z)
Function Composition in Trustworthy Machine Learning: Implementation Choices, Insights, and Questions [28.643482049799477]
本稿では,信頼感の異なる「柱」から生じる機能の構成に焦点を当てる。実世界の信頼に値する7つの次元 - 公正さと説明可能性 - に関する実験結果と新たな知見を報告する。また,複数の柱からの機能の組み合わせを促すために,作曲家ツールの進捗状況と実装選択について報告する。
論文参考訳（メタデータ） (2023-02-17T23:49:16Z)
Birds of a Feather Trust Together: Knowing When to Trust a Classifier via Adaptive Neighborhood Aggregation [30.34223543030105]
我々は、NeighborAggがアダプティブ近隣アグリゲーションを介して2つの重要な情報を利用する方法を示す。また, 誤り検出の密接な関連課題へのアプローチを拡張し, 偽陰性境界に対する理論的カバレッジを保証する。
論文参考訳（メタデータ） (2022-11-29T18:43:15Z)
Catoni-style Confidence Sequences under Infinite Variance [19.61346221428679]
データ生成分布のばらつきが存在しない、あるいは無限であるような設定のための信頼性シーケンスの拡張を提供する。信頼シーケンスは、任意のデータ依存の停止時間で有効である信頼区間を付与する。得られた結果は,Dubins-Savage不等式を用いて得られた信頼シーケンスよりも優れていた。
論文参考訳（メタデータ） (2022-08-05T14:11:06Z)
Sequential Recommendation via Stochastic Self-Attention [68.52192964559829]
Transformerベースのアプローチでは、アイテムをベクトルとして埋め込んで、ドット積の自己アテンションを使用してアイテム間の関係を測定する。本稿では,これらの問題を克服するための新しいtextbfStochastic textbfSelf-textbfAttention (STOSA) を提案する。我々は、アイテムと項目の位置関係を列で特徴づける新しいワッサースタイン自己保持モジュールを考案した。
論文参考訳（メタデータ） (2022-01-16T12:38:45Z)
Modeling Sequences as Distributions with Uncertainty for Sequential Recommendation [63.77513071533095]
既存のシーケンシャルメソッドの多くは、ユーザが決定論的であると仮定する。項目-項目遷移は、いくつかの項目において著しく変動し、ユーザの興味のランダム性を示す。本稿では,不確実性を逐次モデルに注入する分散型トランスフォーマーシークエンシャルレコメンデーション(DT4SR)を提案する。
論文参考訳（メタデータ） (2021-06-11T04:35:21Z)
A Weaker Faithfulness Assumption based on Triple Interactions [89.59955143854556]
より弱い仮定として, 2$-adjacency faithfulness を提案します。より弱い仮定の下で適用可能な因果発見のための音方向規則を提案する。
論文参考訳（メタデータ） (2020-10-27T13:04:08Z)

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。