Fugu-MT 論文翻訳(概要): On the relationship between a Gamma distributed precision parameter and the associated standard deviation in the context of Bayesian parameter inference

論文の概要: On the relationship between a Gamma distributed precision parameter and the associated standard deviation in the context of Bayesian parameter inference

arxiv url: http://arxiv.org/abs/2101.06289v1
Date: Fri, 15 Jan 2021 20:07:12 GMT
ステータス: 処理完了
システム内更新日: 2021-03-28 11:11:49.966293
Title: On the relationship between a Gamma distributed precision parameter and the associated standard deviation in the context of Bayesian parameter inference
Title（参考訳）: ベイズパラメータ推定の文脈におけるガンマ分散精度パラメータとそれに伴う標準偏差の関係について
Authors: Manuel M. Eichenlaub
Abstract要約: ベイズ推定では、未知の測定不確実性はガンマ分布精度パラメータで定量化されることが多い。本稿では,ガンマ分布の精度パラメータとそれに伴う標準偏差の分布を変換する手法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In Bayesian inference, an unknown measurement uncertainty is often quantified in terms of a Gamma distributed precision parameter, which is impractical when prior information on the standard deviation of the measurement uncertainty shall be utilised during inference. This paper thus introduces a method for transforming between a gamma distributed precision parameter and the distribution of the associated standard deviation. The proposed method is based on numerical optimisation and shows adequate results for a wide range of scenarios.
Abstract（参考訳）: ベイズ推定では、未知の測定の不確かさをガンマ分布の精度パラメータを用いて定量化することがしばしばあり、測定の不確かさの標準偏差に関する事前情報が推論中に活用される場合、実用的でない。本稿では,ガンマ分布の精度パラメータとそれに伴う標準偏差の分布を変換する手法を提案する。提案手法は数値最適化に基づいて,幅広いシナリオに対して適切な結果を示す。

関連論文リスト

Adaptive Conformal Inference by Betting [51.272991377903274]
データ生成プロセスについて仮定することなく適応型共形推論の問題を考察する。適応型共形推論のための既存のアプローチは、オンライン勾配勾配の変種を用いたピンボール損失の最適化に基づいている。本稿では,パラメータフリーなオンライン凸最適化手法を利用した適応型共形推論手法を提案する。
論文参考訳（メタデータ） (2024-12-26T18:42:08Z)
Generalized Gaussian Temporal Difference Error for Uncertainty-aware Reinforcement Learning [0.19418036471925312]
深部強化学習における一般化されたガウス誤差モデリングのための新しい枠組みを提案する。我々はデータ依存型アレタリック不確実性の推定と緩和を改善する。ポリシー勾配アルゴリズムによる実験は、大幅な性能向上を示す。
論文参考訳（メタデータ） (2024-08-05T08:12:25Z)
A variational Bayes approach to debiased inference for low-dimensional parameters in high-dimensional linear regression [2.7498981662768536]
疎線形回帰における統計的推測のためのスケーラブルな変分ベイズ法を提案する。我々のアプローチは、平均場近似をニュアンス座標に割り当てることに依存している。これは前処理のステップに過ぎず、平均場変動ベイズの計算上の優位性を保っている。
論文参考訳（メタデータ） (2024-06-18T14:27:44Z)
Variational Bayesian surrogate modelling with application to robust design optimisation [0.9626666671366836]
サロゲートモデルは複雑な計算モデルに対して素早く評価できる近似を提供する。入力の不確かさと次元減少を伴う統計的代理を構築するためのベイズ推定について考察する。コスト関数がモデル出力の平均および標準偏差の重み付け和に依存するような本質的で頑健な構造最適化問題を示す。
論文参考訳（メタデータ） (2024-04-23T09:22:35Z)
Transformer-based Parameter Estimation in Statistics [0.0]
パラメータ推定のための変換器に基づく手法を提案する。数値法で必要とされる確率密度関数を知る必要さえない。提案手法は,平均二乗誤差で測定した手法と類似あるいは良好な精度を達成できることが示されている。
論文参考訳（メタデータ） (2024-02-28T04:30:41Z)
Uncertainty Quantification via Stable Distribution Propagation [60.065272548502]
本稿では,ニューラルネットワークによる安定確率分布の伝播手法を提案する。提案手法は局所線形化に基づいており,ReLU非線型性に対する全変動距離の近似値として最適であることを示す。
論文参考訳（メタデータ） (2024-02-13T09:40:19Z)
One step closer to unbiased aleatoric uncertainty estimation [71.55174353766289]
そこで本研究では,観測データのアクティブデノイズ化による新しい推定手法を提案する。幅広い実験を行うことで,提案手法が標準手法よりも実際のデータ不確実性にはるかに近い近似を与えることを示す。
論文参考訳（メタデータ） (2023-12-16T14:59:11Z)
Intrinsic Bayesian Cramér-Rao Bound with an Application to Covariance Matrix Estimation [49.67011673289242]
本稿では, 推定パラメータが滑らかな多様体内にある推定問題に対して, 新たな性能境界を提案する。これはパラメータ多様体の幾何学と推定誤差測度の本質的な概念を誘導する。
論文参考訳（メタデータ） (2023-11-08T15:17:13Z)
CovarianceNet: Conditional Generative Model for Correct Covariance Prediction in Human Motion Prediction [71.31516599226606]
本稿では,将来の軌道の予測分布に関連する不確かさを正確に予測する手法を提案する。我々のアプローチであるCovariaceNetは、ガウス潜在変数を持つ条件付き生成モデルに基づいている。
論文参考訳（メタデータ） (2021-09-07T09:38:24Z)
Gaussian Process Uniform Error Bounds with Unknown Hyperparameters for Safety-Critical Applications [71.23286211775084]
未知のハイパーパラメータを持つ設定において、ロバストなガウス過程の均一なエラー境界を導入する。提案手法はハイパーパラメータの空間における信頼領域を計算し,モデル誤差に対する確率的上限を求める。実験により、バニラ法やベイズ法よりもバニラ法の方がはるかに優れていることが示された。
論文参考訳（メタデータ） (2021-09-06T17:10:01Z)
The $s$-value: evaluating stability with respect to distributional shifts [3.330229314824913]
実際には、場所と時間の間で分布が変化するため、データセット間で伝達される知識の収集が困難になる。本論文では,Kulback-Leibler分散に対する統計的パラメータの分布不安定度を定量化する不安定度尺度を提案する。提案手法の有効性を実データ上で評価し,パラメータの分布不安定性をあるシフトに対して解明可能であることを示す。
論文参考訳（メタデータ） (2021-05-07T05:18:12Z)

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。