Fugu-MT 論文翻訳(概要): Conformal testing in a binary model situation

論文の概要: Conformal testing in a binary model situation

arxiv url: http://arxiv.org/abs/2104.01885v1
Date: Mon, 5 Apr 2021 12:51:39 GMT
ステータス: 処理完了
システム内更新日: 2021-04-06 14:17:10.781297
Title: Conformal testing in a binary model situation
Title（参考訳）: 二元モデルにおけるコンフォーマルテスト
Authors: Vladimir Vovk
Abstract要約: コンフォーマルテストは、コンフォーマル予測に基づくIDD仮定をテストする方法です。この論文のトピックは、モデル状況における共形テストの性能の計算的評価である。
参考スコア（独自算出の注目度）: 0.26651200086513094
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Conformal testing is a way of testing the IID assumption based on conformal prediction. The topic of this note is computational evaluation of the performance of conformal testing in a model situation in which IID binary observations generated from a Bernoulli distribution are followed by IID binary observations generated from another Bernoulli distribution, with the parameters of the distributions and changepoint unknown. Existing conformal test martingales can be used for this task and work well in simple cases, but their efficiency can be improved greatly.
Abstract（参考訳）: 共形テスト(conformal testing)は、iid仮定を共形予測に基づいてテストする方法である。本論文のトピックは,ベルヌーイ分布から生成したiid2次観測を他のベルヌーイ分布から生成したiid2次観測に追従し,その分布と変化点のパラメータが不明なモデル状況におけるコンフォメーションテストの性能を数値的に評価することである。既存の共形テストmartingalesはこのタスクに使用でき、単純なケースでもうまく機能するが、その効率は大幅に改善できる。

関連論文リスト

DOTA: Distributional Test-Time Adaptation of Vision-Language Models [52.98590762456236]
トレーニングフリーテスト時動的アダプタ(TDA)は、この問題に対処するための有望なアプローチである。単体テスト時間適応法(Dota)の簡易かつ効果的な方法を提案する。 Dotaは継続的にテストサンプルの分布を推定し、モデルがデプロイメント環境に継続的に適応できるようにします。
論文参考訳（メタデータ） (2024-09-28T15:03:28Z)
Conditional Testing based on Localized Conformal p-values [5.6779147365057305]
我々は、予測区間を反転させて局所化された共形p値を定義し、それらの理論的性質を証明した。これらの定義されたp-値は、その実用性を説明するためにいくつかの条件付きテスト問題に適用される。
論文参考訳（メタデータ） (2024-09-25T11:30:14Z)
Generalized Robust Test-Time Adaptation in Continuous Dynamic Scenarios [18.527640606971563]
テスト時間適応(TTA)は、未ラベルのテストデータストリームのみを使用する推論フェーズにおいて、事前訓練されたモデルに分散をテストする。本稿では,問題に効果的に対応する汎用ロバストテスト時間適応(GRoTTA)法を提案する。
論文参考訳（メタデータ） (2023-10-07T07:13:49Z)
Integrative conformal p-values for powerful out-of-distribution testing with labeled outliers [1.6371837018687636]
本稿では,参照集合と同じ分布から新しい観測結果がサンプリングされたかどうかを検証するための新しいコンフォメーション手法を開発した。提案手法は, 既知分布データからの依存側情報に基づいて, 標準のp値を再重み付けすることができる。このソリューションは、サンプル分割または新しいトランスダクティブクロスバリデーション+スキームによって実装することができる。
論文参考訳（メタデータ） (2022-08-23T17:52:20Z)
Robust Continual Test-time Adaptation: Instance-aware BN and Prediction-balanced Memory [58.72445309519892]
テストデータストリーム以外のデータストリームに対して堅牢な新しいテスト時間適応方式を提案する。 a)分布外サンプルの正規化を修正するIABN(Instance-Aware Batch Normalization)と、(b)クラスバランスのない方法で非i.d.ストリームからのデータストリームをシミュレートするPBRS(Predict- Balanced Reservoir Sampling)である。
論文参考訳（メタデータ） (2022-08-10T03:05:46Z)
Boost Test-Time Performance with Closed-Loop Inference [85.43516360332646]
そこで本研究では,モデル性能を高めるために,ループ方式でハードクラス化試験サンプルを予測することを提案する。まず、追加の推論ループを必要とするハードクラス化テストサンプルを識別するためにフィルタリング基準を考案する。各ハードサンプルに対して、モデルのキャリブレーションを行うために、元の上位$K$予測に基づいて補助学習タスクを構築する。
論文参考訳（メタデータ） (2022-03-21T10:20:21Z)
Training on Test Data with Bayesian Adaptation for Covariate Shift [96.3250517412545]
ディープニューラルネットワークは、信頼できない不確実性推定で不正確な予測を行うことが多い。分布シフトの下でのラベルなし入力とモデルパラメータとの明確に定義された関係を提供するベイズモデルを導出する。本手法は精度と不確実性の両方を向上することを示す。
論文参考訳（メタデータ） (2021-09-27T01:09:08Z)
Siamese Neural Network with Joint Bayesian Model Structure for Speaker Verification [54.96267179988487]
本稿では,話者検証のための新しいサイムズニューラルネットワーク(SiamNN)を提案する。サンプルの結合分布は、JB(Joint Bayesian)に基づく生成モデルに基づいて最初に定式化される。話者照合のための二項識別タスクとして,ペアワイズしたサンプルを用いてモデルパラメータを訓練する。
論文参考訳（メタデータ） (2021-04-07T09:17:29Z)
Balance-Subsampled Stable Prediction [55.13512328954456]
本稿では, 分数分解設計理論に基づく新しいバランスサブサンプル安定予測法を提案する。設計理論解析により,提案手法は分布シフトによって誘導される予測器間の共起効果を低減できることを示した。合成および実世界の両方のデータセットに関する数値実験により、BSSPアルゴリズムは未知のテストデータ間で安定した予測を行うためのベースライン法を著しく上回っていることが示された。
論文参考訳（メタデータ） (2020-06-08T07:01:38Z)

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。