Fugu-MT 論文翻訳(概要): RafterNet: Probabilistic predictions in multi-response regression

論文の概要: RafterNet: Probabilistic predictions in multi-response regression

arxiv url: http://arxiv.org/abs/2112.03377v1
Date: Thu, 2 Dec 2021 03:44:59 GMT
ステータス: 処理完了
システム内更新日: 2021-12-12 15:19:47.418906
Title: RafterNet: Probabilistic predictions in multi-response regression
Title（参考訳）: RafterNet:マルチレスポンス回帰における確率的予測
Authors: Marius Hofert, Avinash Prasad, Mu Zhu
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A fully nonparametric approach for making probabilistic predictions in multi-response regression problems is introduced. Random forests are used as marginal models for each response variable and, as novel contribution of the present work, the dependence between the multiple response variables is modeled by a generative neural network. This combined modeling approach of random forests, corresponding empirical marginal residual distributions and a generative neural network is referred to as RafterNet. Multiple datasets serve as examples to demonstrate the flexibility of the approach and its impact for making probabilistic forecasts.
Abstract（参考訳）: 多応答回帰問題における確率的予測のための完全に非パラメトリックな手法を提案する。ランダムフォレストは各応答変数の限界モデルとして使用され、本研究の新たな貢献として、複数の応答変数間の依存を生成ニューラルネットワークによってモデル化する。このランダム森林のモデリング手法、それに対応する経験的限界残差分布と生成的ニューラルネットワークを組み合わせてRafterNetと呼ぶ。複数のデータセットは、アプローチの柔軟性とその確率的予測に対する影響を示す例として役立ちます。

関連論文リスト

Estimating Causal Effects from Learned Causal Networks [56.14597641617531]
本稿では、離散可観測変数に対する因果影響クエリに応答する代替パラダイムを提案する。観測データから直接因果ベイズネットワークとその共起潜伏変数を学習する。本手法は, 推定手法よりも有効であることを示す。
論文参考訳（メタデータ） (2024-08-26T08:39:09Z)
Multivariate Bayesian Last Layer for Regression: Uncertainty Quantification and Disentanglement [4.137574627759939]
異方性雑音下での多変量回帰の設定に新しいベイズラストレイヤーモデルを提案する。パラメータ学習のための最適化アルゴリズムを提案する。このフレームワークは、正統的な訓練を受けたディープニューラルネットワークを、不確実性を認識した新しいデータドメインに転送するために使用できることを示す。
論文参考訳（メタデータ） (2024-05-02T21:53:32Z)
Structured Radial Basis Function Network: Modelling Diversity for Multiple Hypotheses Prediction [51.82628081279621]
多重モード回帰は非定常過程の予測や分布の複雑な混合において重要である。構造的放射基底関数ネットワークは回帰問題に対する複数の仮説予測器のアンサンブルとして提示される。この構造モデルにより, このテッセルレーションを効率よく補間し, 複数の仮説対象分布を近似することが可能であることが証明された。
論文参考訳（メタデータ） (2023-09-02T01:27:53Z)
Adaptive Conditional Quantile Neural Processes [9.066817971329899]
条件量子ニューラルプロセス(CQNP)は、ニューラルプロセスファミリーの新たなメンバーである。本稿では,情報量推定に焦点をあてることから学習する量子レグレッションの拡張を提案する。実データと合成データセットによる実験は、予測性能を大幅に改善した。
論文参考訳（メタデータ） (2023-05-30T06:19:19Z)
Regression modelling of spatiotemporal extreme U.S. wildfires via partially-interpretable neural networks [0.0]
人工ニュートラルネットワークを用いた極端量子レグレッションを実現するための新しい手法フレームワークを提案する。我々は、線形で付加的な回帰手法をディープラーニングと統合し、部分的に解釈可能なニューラルネットワークを作成する。
論文参考訳（メタデータ） (2022-08-16T07:42:53Z)
Distributional Gradient Boosting Machines [77.34726150561087]
私たちのフレームワークはXGBoostとLightGBMをベースにしています。我々は,このフレームワークが最先端の予測精度を実現することを示す。
論文参考訳（メタデータ） (2022-04-02T06:32:19Z)
Probabilistic Time Series Forecasting with Implicit Quantile Networks [0.7249731529275341]
自己回帰的リカレントニューラルネットワークとインプリシット量子ネットワークを併用して、時系列ターゲット上の大規模な分布を学習する。提案手法は, 時間分布の推定だけでなく, ポイントワイズ予測精度の観点からも好適である。
論文参考訳（メタデータ） (2021-07-08T10:37:24Z)
Sampling-free Variational Inference for Neural Networks with Multiplicative Activation Noise [51.080620762639434]
サンプリングフリー変動推論のための後方近似のより効率的なパラメータ化を提案する。提案手法は,標準回帰問題に対する競合的な結果をもたらし,大規模画像分類タスクに適している。
論文参考訳（メタデータ） (2021-03-15T16:16:18Z)
Goal-oriented adaptive sampling under random field modelling of response probability distributions [0.6445605125467573]
応答分布の空間的変動がそれらの平均および/または分散だけでなく、例えば、形状や一様性、多様性などを含む他の特徴も考慮する。我々の貢献は、それによって引き起こされる確率分布の場をモデル化する非パラメトリックベイズアプローチに基づいている。
論文参考訳（メタデータ） (2021-02-15T15:55:23Z)
Variational Inference for Deep Probabilistic Canonical Correlation Analysis [49.36636239154184]
線形多視点層と深層生成ネットワークを観測モデルとして構成した深部確率的多視点モデルを提案する。潜在確率多視点層の後方分布を近似した効率的な変分推論法を開発した。任意の数のビューを持つモデルへの一般化も提案されている。
論文参考訳（メタデータ） (2020-03-09T17:51:15Z)
Decision-Making with Auto-Encoding Variational Bayes [71.44735417472043]
変分分布とは異なる後部近似を用いて意思決定を行うことが示唆された。これらの理論的な結果から,最適モデルに関するいくつかの近似的提案を学習することを提案する。おもちゃの例に加えて,単細胞RNAシークエンシングのケーススタディも紹介する。
論文参考訳（メタデータ） (2020-02-17T19:23:36Z)

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。