Fugu-MT 論文翻訳(概要): Posterior Covariance Information Criterion

論文の概要: Posterior Covariance Information Criterion

arxiv url: http://arxiv.org/abs/2106.13694v1
Date: Fri, 25 Jun 2021 15:28:36 GMT
ステータス: 処理完了
システム内更新日: 2021-06-28 15:27:30.574142
Title: Posterior Covariance Information Criterion
Title（参考訳）: 後方共分散情報基準
Authors: Yukito Iba and Keisuke Yano
Abstract要約: 準後続分布に基づく予測評価のための情報基準であるPCICを導入する。これは、広く適用可能な情報基準(WAIC)の自然な一般化と見なされ、単一のマルコフチェインモンテカルロランで計算することができる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce an information criterion, PCIC, for predictive evaluation based on quasi-posterior distributions. It is regarded as a natural generalization of widely applicable information criterion (WAIC) and can be computed via a single Markov Chain Monte Carlo run. PCIC is useful in a variety of predictive settings that are not well dealt with in WAIC, including weighted likelihood inference and quasi-Bayesian prediction.
Abstract（参考訳）: 準後続分布に基づく予測評価のための情報基準であるPCICを導入する。広く適用可能な情報基準(waic)の自然な一般化と見なされ、単一のマルコフ連鎖モンテカルロランで計算することができる。 PCICは、重み付き確率推定や準ベイズ予測など、WAICではうまく扱えない様々な予測設定において有用である。

関連論文リスト

A Novel Characterization of the Population Area Under the Risk Coverage Curve (AURC) and Rates of Finite Sample Estimators [15.294324192338484]
重み付きリスク関数として解釈可能なAURCのより直接的な表現を導入し,モンテカルロプラグイン推定器を提案する。複数のデータセットにまたがる包括的なベンチマークにおいて、この推定器の有効性を実証的に示す。
論文参考訳（メタデータ） (2024-10-20T11:14:51Z)
Learning under Singularity: An Information Criterion improving WBIC and sBIC [1.0878040851637998]
我々は、Singularity(LS)の下での学習と呼ばれる新しい情報基準(IC)を導入する。 LSは規則性制約なしで有効であり、安定性を示す。このアプローチは、規則性制約のないモデル選択に対して、柔軟で堅牢な方法を提供する。
論文参考訳（メタデータ） (2024-02-20T07:09:39Z)
Bayesian Renormalization [68.8204255655161]
ベイズ統計的推論にインスパイアされた再正規化に対する完全情報理論的アプローチを提案する。ベイズ再正規化の主な洞察は、フィッシャー計量が創発的RGスケールの役割を担う相関長を定義することである。本研究では,ベイズ正規化方式が既存のデータ圧縮法やデータ生成法とどのように関係しているかを考察する。
論文参考訳（メタデータ） (2023-05-17T18:00:28Z)
Evaluating Probabilistic Classifiers: The Triptych [62.997667081978825]
本稿では,予測性能の異なる相補的な側面に焦点をあてた診断グラフィックのトリチチを提案し,研究する。信頼性図は校正に対処し、受信動作特性(ROC)曲線は識別能力を診断し、マーフィー図は全体的な予測性能と価値を視覚化する。
論文参考訳（メタデータ） (2023-01-25T19:35:23Z)
Generalized Probabilistic U-Net for medical image segementation [3.398241562010881]
ガウス分布のより一般的な形式を許容することにより、確率的U-ネットを拡張した一般化確率的U-Netを提案する。 LIDC-IDRIデータセットを用いて,遅延空間分布の選択が参照セグメンテーションの不確かさを捕捉する効果について検討した。
論文参考訳（メタデータ） (2022-07-26T13:03:37Z)
Learning Counterfactually Invariant Predictors [11.682403472580162]
我々はCIP(Counterfactual Invariant Prediction)と呼ばれるモデルに依存しないフレームワークを提案する。実験の結果,CIPが様々なシミュレーションおよび実世界のデータセットに反実的不変性を付与する効果が示された。
論文参考訳（メタデータ） (2022-07-20T09:23:35Z)
Generalised Bayesian Inference for Discrete Intractable Likelihood [9.331721990371769]
本稿では、離散的難易度に適した新しい一般化されたベイズ推論手法を開発する。連続データに対する最近の方法論的な進歩にインスパイアされた主なアイデアは、離散的なフィッシャー分岐を用いてモデルパラメータに関する信念を更新することである。結果は一般化された後部であり、マルコフ・モンテカルロのような標準的な計算ツールからサンプリングすることができる。
論文参考訳（メタデータ） (2022-06-16T19:36:17Z)
Probabilistic Conformal Prediction Using Conditional Random Samples [73.26753677005331]
PCPは、不連続な予測セットによって対象変数を推定する予測推論アルゴリズムである。効率的で、明示的または暗黙的な条件生成モデルと互換性がある。
論文参考訳（メタデータ） (2022-06-14T03:58:03Z)
When in Doubt: Improving Classification Performance with Alternating Normalization [57.39356691967766]
分類のための非パラメトリック後処理ステップである交互正規化(CAN)を用いた分類を導入する。 CANは、予測されたクラス確率分布を再調整することで、挑戦的な例の分類精度を向上させる。多様な分類課題にまたがってその効果を実証的に示す。
論文参考訳（メタデータ） (2021-09-28T02:55:42Z)
CC-Cert: A Probabilistic Approach to Certify General Robustness of Neural Networks [58.29502185344086]
安全クリティカルな機械学習アプリケーションでは、モデルを敵の攻撃から守ることが不可欠である。意味的に意味のある入力変換に対して、ディープラーニングモデルの証明可能な保証を提供することが重要である。我々はChernoff-Cramer境界に基づく新しい普遍確率的証明手法を提案する。
論文参考訳（メタデータ） (2021-09-22T12:46:04Z)
Supervised PCA: A Multiobjective Approach [70.99924195791532]
制御主成分分析法(SPCA) 本研究では,これらの目的を両立させる新しいSPCA手法を提案する。この手法は、任意の教師付き学習損失に対応し、統計的再構成により、一般化された線形モデルの新しい低ランク拡張を提供する。
論文参考訳（メタデータ） (2020-11-10T18:46:58Z)

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。