論文の概要: Is there Anisotropy in Structural Bias?
- arxiv url: http://arxiv.org/abs/2105.04480v1
- Date: Mon, 10 May 2021 16:20:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-31 23:22:28.939114
- Title: Is there Anisotropy in Structural Bias?
- Title(参考訳): 構造バイアスに異方性はあるか?
- Authors: Diederick Vermetten, Anna V. Kononova, Fabio Caraffini, Hao Wang,
Thomas B\"ack
- Abstract要約: 構造バイアス (Structure bias, SB) は反復最適化におけるアルゴリズムの欠如の重要な種類である。
いくつかの次元においてSBのみを示すように見えるアルゴリズムが実際に異方性を示すかどうかを考察する。
異方性は非常に稀であり,それが存在する場合においても,SBの明確な試験がある。
本稿では,SB検出のための追加の試験手順を提案し,ロバストなテストポートフォリオの構築に向けたさらなる研究を動機づける。
- 参考スコア(独自算出の注目度): 3.211511936983233
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Structural Bias (SB) is an important type of algorithmic deficiency within
iterative optimisation heuristics. However, methods for detecting structural
bias have not yet fully matured, and recent studies have uncovered many
interesting questions. One of these is the question of how structural bias can
be related to anisotropy. Intuitively, an algorithm that is not isotropic would
be considered structurally biased. However, there have been cases where
algorithms appear to only show SB in some dimensions. As such, we investigate
whether these algorithms actually exhibit anisotropy, and how this impacts the
detection of SB. We find that anisotropy is very rare, and even in cases where
it is present, there are clear tests for SB which do not rely on any
assumptions of isotropy, so we can safely expand the suite of SB tests to
encompass these kinds of deficiencies not found by the original tests.
We propose several additional testing procedures for SB detection and aim to
motivate further research into the creation of a robust portfolio of tests.
This is crucial since no single test will be able to work effectively with all
types of SB we identify.
- Abstract(参考訳): 構造バイアス(sb)は反復最適化ヒューリスティックスにおいて重要なアルゴリズム欠陥である。
しかし,構造バイアスを検出する手法はまだ十分に成熟しておらず,近年の研究では多くの興味深い疑問が浮かび上がっている。
そのうちの1つは、構造バイアスが異方性にどのように関連しているかという問題である。
直観的には、等方性でないアルゴリズムは構造的に偏りがあると考えられる。
しかし、アルゴリズムが一部の次元でのみSBを示すように見えるケースもある。
そこで,これらのアルゴリズムが実際に異方性を示すかどうか,SBの検出に与える影響について検討する。
異方性は非常に稀であり, たとえ存在する場合でも, アイソトロピーの仮定に依存しないSBの明確なテストが存在するため, 元の試験では見つからないこの種の欠陥を包含するように, SBテストのスイートを安全に拡張することができる。
本稿では,SB検出のための追加の試験手順を提案し,ロバストなテストポートフォリオの構築に向けたさらなる研究を動機づける。
なぜなら、私たちが識別するすべてのタイプのsbに対して、単一のテストが効果的に動作できないからです。
関連論文リスト
- Precise Error Rates for Computationally Efficient Testing [75.63895690909241]
本稿では,計算複雑性に着目した単純な対数-単純仮説テストの問題を再考する。
線形スペクトル統計に基づく既存の試験は、I型とII型の誤差率の間の最良のトレードオフ曲線を達成する。
論文 参考訳(メタデータ) (2023-11-01T04:41:16Z) - Light Schr\"odinger Bridge [79.62389172166125]
高速かつ簡易なシュロディンガーブリッジ (SB) ソルバを提案する。
私たちの開発は、最近この分野に登場した2つのアイデアの賢い組み合わせです。
これらのアイデアを組み合わせることで、軽量でシミュレーション不要で理論上正当化されたSBソルバが得られることを示す。
論文 参考訳(メタデータ) (2023-10-02T13:06:45Z) - Building the Bridge of Schr\"odinger: A Continuous Entropic Optimal
Transport Benchmark [96.06787302688595]
提案手法は, 基本真理 OT 解が構成によって知られている確率分布のペアを作成する方法である。
これらのベンチマークペアを使用して、既存のニューラルネットワーク EOT/SB ソルバが実際に EOT ソリューションをどれだけよく計算しているかをテストする。
論文 参考訳(メタデータ) (2023-06-16T20:03:36Z) - Causal Discovery from Subsampled Time Series with Proxy Variables [19.699813624529813]
本稿では,サブサンプリング時系列から因果構造全体を同定する制約に基づくアルゴリズムを提案する。
我々のアルゴリズムは非パラメトリックであり、完全な因果同定を実現することができる。
論文 参考訳(メタデータ) (2023-05-09T08:58:02Z) - BaCaDI: Bayesian Causal Discovery with Unknown Interventions [118.93754590721173]
BaCaDIは因果構造と介入の両方の潜在確率的表現の連続的な空間で機能する。
BaCaDIは、合成因果発見タスクとシミュレートされた遺伝子発現データの実験において、因果構造と介入ターゲットを識別する関連手法より優れている。
論文 参考訳(メタデータ) (2022-06-03T16:25:48Z) - Composite Goodness-of-fit Tests with Kernels [19.744607024807188]
本稿では,難解な複合テスト問題に対するカーネルベースの仮説テストを提案する。
実験では,最小距離推定器を用いて,最大平均誤差とカーネルのStein誤差を推定した。
主な結果として、パラメータを推定し、正しいテストレベルを維持しながら、同じデータ上でテストを実行することができることを示す。
論文 参考訳(メタデータ) (2021-11-19T15:25:06Z) - Group Testing with Non-identical Infection Probabilities [59.96266198512243]
そこで我々は,集合形成法を用いた適応型グループテストアルゴリズムを開発した。
提案アルゴリズムは, エントロピー下界に近い性能を示す。
論文 参考訳(メタデータ) (2021-08-27T17:53:25Z) - Heterogeneous Dense Subhypergraph Detection [6.903929927172917]
ヘテロジニアス高密度ハイパーグラフの存在を検査する問題について検討する。
ヌル仮説は異質な erd "os-r'enyi uniform random hypergraph に対応する。
代替仮説は、密度の高いサブハイパーグラフを含む異種均一なランダムハイパーグラフに対応する。
論文 参考訳(メタデータ) (2021-04-08T20:44:22Z) - Selective Inference for Latent Block Models [50.83356836818667]
本研究では,潜在ブロックモデルに対する選択的推論法を提案する。
我々は,潜在ブロックモデルの行と列クラスタのメンバシップの集合に対する統計的テストを構築した。
提案された正確で近似されたテストは、選択バイアスを考慮していない単純なテストと比較して効果的に機能する。
論文 参考訳(メタデータ) (2020-05-27T10:44:19Z) - Fundamental Limits of Testing the Independence of Irrelevant
Alternatives in Discrete Choice [9.13127392774573]
MNL(Multinomial Logit)モデルとIIA(Independent of Irrelevant Alternatives)モデルが最も広く使われているツールである。
最低ケース誤差が低いIIAの一般的なテストは、選択問題の代替案の数で指数関数的に多くのサンプルを必要とすることを示す。
我々の下限は構造に依存しており、最適化の潜在的な原因として、特定の選択集合の集合で起こりうる違反にIIAのテストを制限すると、より悲観的でない構造に依存した下限が得られる。
論文 参考訳(メタデータ) (2020-01-20T10:15:28Z)
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。