論文の概要: Copula-based conformal prediction for Multi-Target Regression
- arxiv url: http://arxiv.org/abs/2101.12002v1
- Date: Thu, 28 Jan 2021 14:06:25 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-01 00:19:19.241253
- Title: Copula-based conformal prediction for Multi-Target Regression
- Title(参考訳): copula-based conformal prediction for multi-target regression
- Authors: Soundouss Messoudi, S\'ebastien Destercke, Sylvain Rousseau
- Abstract要約: 本稿では,ディープニューラルネットワークに適用したコプラ関数を用いて帰納的共形予測を提案する。
提案手法により,多目的回帰問題の効率性と妥当性が保証されることを示す。
- 参考スコア(独自算出の注目度): 3.222802562733787
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: There are relatively few works dealing with conformal prediction for
multi-task learning issues, and this is particularly true for multi-target
regression. This paper focuses on the problem of providing valid (i.e.,
frequency calibrated) multi-variate predictions. To do so, we propose to use
copula functions applied to deep neural networks for inductive conformal
prediction. We show that the proposed method ensures efficiency and validity
for multi-target regression problems on various data sets.
- Abstract(参考訳): マルチタスク学習の問題に対する共形予測を扱う作業は比較的少なく、これは特にマルチターゲット回帰に当てはまる。
本稿では、有効(周波数校正)な多変量予測を提供することの課題に焦点をあてる。
そこで本研究では,深層ニューラルネットワークに適用したcopula関数を用いたインダクティブ共形予測を提案する。
提案手法は,様々なデータセット上のマルチターゲット回帰問題に対する効率性と妥当性を保証する。
- 全文 参考訳へのリンク
関連論文リスト
- Efficient and Differentiable Conformal Prediction with General Function
Classes [96.74055810115456]
本稿では,複数の学習可能なパラメータに対する共形予測の一般化を提案する。
本研究は, クラス内において, ほぼ有効な人口被覆率, ほぼ最適効率を実現していることを示す。
実験の結果,提案アルゴリズムは有効な予測セットを学習し,効率を著しく向上できることがわかった。
論文 参考訳(メタデータ) (2022-02-22T18:37:23Z) - Machine Learning for Multi-Output Regression: When should a holistic
multivariate approach be preferred over separate univariate ones? [62.997667081978825]
ランダムフォレストのような木に基づくアンサンブルは、統計学の手法の中で近代的な古典である。
これらの手法を広範囲なシミュレーションで比較し,多変量アンサンブル技術を用いた場合の主問題に答える。
論文 参考訳(メタデータ) (2022-01-14T08:44:25Z) - Cooperative learning for multi-view analysis [2.368995563245609]
複数機能セットを用いた教師あり学習手法(ビュー)を提案する。
協調学習は、予測の通常の正方形エラー損失と、異なるデータビューからの予測に同意するよう奨励する"集積"ペナルティを組み合わせる。
シミュレーションおよび実データ例における提案手法の有効性について述べる。
論文 参考訳(メタデータ) (2021-12-23T03:13:25Z) - RafterNet: Probabilistic predictions in multi-response regression [0.0]
複数の応答変数間の依存は、生成ニューラルネットワークによってモデル化される。
複数のデータセットが、このアプローチの柔軟性を示す例として役立ちます。
論文 参考訳(メタデータ) (2021-12-02T03:44:59Z) - Trustworthy Multimodal Regression with Mixture of Normal-inverse Gamma
Distributions [91.63716984911278]
このアルゴリズムは、異なるモードの適応的統合の原理における不確かさを効率的に推定し、信頼できる回帰結果を生成する。
実世界のデータと実世界のデータの両方に対する実験結果から,多モード回帰タスクにおける本手法の有効性と信頼性が示された。
論文 参考訳(メタデータ) (2021-11-11T14:28:12Z) - Dropout Prediction Variation Estimation Using Neuron Activation Strength [6.625915508197312]
ドロップアウトは様々なアプリケーションで予測のバリエーションを定量化するためによく使われてきた。
資源効率のよい方法で降雨予測変動を推定する方法を示す。
論文 参考訳(メタデータ) (2021-10-13T01:40:33Z) - Multivariate Probabilistic Regression with Natural Gradient Boosting [63.58097881421937]
多変量予測分布の条件パラメータを非パラメトリックにモデル化したNatural Gradient Boosting (NGBoost) 手法を提案する。
提案手法は頑健で, 広範囲なチューニングを伴わず, 推定対象分布に対してモジュール構造であり, 既存の手法と比較して競争力がある。
論文 参考訳(メタデータ) (2021-06-07T17:44:49Z) - Interpretable Social Anchors for Human Trajectory Forecasting in Crowds [84.20437268671733]
本研究では,人混みの軌跡を予測できるニューラルネットワークシステムを提案する。
解釈可能なルールベースのインテントを学び、ニューラルネットワークの表現可能性を利用してシーン固有の残差をモデル化する。
私たちのアーキテクチャは、インタラクション中心のベンチマークTrajNet++でテストされています。
論文 参考訳(メタデータ) (2021-05-07T09:22:34Z) - Multivariate Deep Evidential Regression [77.34726150561087]
不確実性を認識するニューラルネットワークによる新しいアプローチは、従来の決定論的手法よりも有望である。
本稿では,レグレッションベースニューラルネットワークからアレータ性およびてんかん性不確かさを抽出する手法を提案する。
論文 参考訳(メタデータ) (2021-04-13T12:20:18Z) - Parallel integrative learning for large-scale multi-response regression
with incomplete outcomes [1.7403133838762448]
ビッグデータの時代には、不完全な結果、多数の応答、および予測者の高次元の共存は、推定、予測、および計算において前例のない課題を引き起こします。
不完全な結果を伴う大規模マルチレスポンス回帰のためのスケーラブルかつ計算効率の高い手順であるPEERを提案する。
いくつかの穏やかな規則条件下では、PEERは推定、予測、変数選択の一貫性を含む素晴らしいサンプリング特性を楽しんでいます。
論文 参考訳(メタデータ) (2021-04-11T19:01:24Z)
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。