Fugu-MT 論文翻訳(概要): Conformal Risk Control

論文の概要: Conformal Risk Control

arxiv url: http://arxiv.org/abs/2208.02814v1
Date: Thu, 4 Aug 2022 17:59:44 GMT
ステータス: 処理完了
システム内更新日: 2022-08-05 12:12:34.667211
Title: Conformal Risk Control
Title（参考訳）: コンフォーマルリスク制御
Authors: Anastasios N. Angelopoulos and Stephen Bates and Adam Fisch and Lihua Lei and Tal Schuster
Abstract要約: 我々はコンフォメーション予測を拡張して,任意の単調損失関数の期待値を制御する。このアルゴリズムは、そのカバレッジ保証とともに分割共形予測を一般化する。
参考スコア（独自算出の注目度）: 20.65019607005074
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We extend conformal prediction to control the expected value of any monotone loss function. The algorithm generalizes split conformal prediction together with its coverage guarantee. Like conformal prediction, the conformal risk control procedure is tight up to an $\mathcal{O}(1/n)$ factor. Worked examples from computer vision and natural language processing demonstrate the usage of our algorithm to bound the false negative rate, graph distance, and token-level F1-score.
Abstract（参考訳）: 我々はコンフォメーション予測を拡張して,任意の単調損失関数の期待値を制御する。このアルゴリズムは、カバレッジ保証とともに分割共形予測を一般化する。共形予測と同様に、共形リスク制御手順は$\mathcal{O}(1/n)$ factorまで厳密である。コンピュータビジョンと自然言語処理によるサンプルは、偽陰性率、グラフ距離、トークンレベルのf1-scoreをバインドするアルゴリズムの使用例を示している。

関連論文リスト

Conformal Generative Modeling with Improved Sample Efficiency through Sequential Greedy Filtering [55.15192437680943]
生成モデルは出力に対する厳密な統計的保証を欠いている。厳密な統計的保証を満たす予測セットを生成する逐次共形予測法を提案する。このことは、高い確率で予測セットが少なくとも1つの許容可能な(または有効な)例を含むことを保証している。
論文参考訳（メタデータ） (2024-10-02T15:26:52Z)
Forking Uncertainties: Reliable Prediction and Model Predictive Control with Sequence Models via Conformal Risk Control [40.918012779935246]
本稿では,事前設計した確率予測器が生成した予測に基づいて,信頼性の高いエラーバーを生成する,新しいポストホックキャリブレーション手法を提案する。最先端技術とは異なり、PTS-CRCはカバレッジ以上の信頼性定義を満たすことができる。 PTS-CRC予測と制御の性能を,無線ネットワークの文脈における多くのユースケースの研究により実験的に検証した。
論文参考訳（メタデータ） (2023-10-16T11:35:41Z)
Conformal PID Control for Time Series Prediction [10.992151305603265]
時系列予測における不確実性定量化の問題について検討する。オンライン環境で共形スコアを前向きにモデル化するアルゴリズムを提案する。また、電力需要、市場リターン、温度を予測する実験も行っています。
論文参考訳（メタデータ） (2023-07-31T17:59:16Z)
On Regularization and Inference with Label Constraints [62.60903248392479]
機械学習パイプラインにおけるラベル制約を符号化するための2つの戦略、制約付き正規化、制約付き推論を比較した。正規化については、制約に不整合なモデルを前置することで一般化ギャップを狭めることを示す。制約付き推論では、モデルの違反を訂正することで人口リスクを低減し、それによってその違反を有利にすることを示す。
論文参考訳（メタデータ） (2023-07-08T03:39:22Z)
Loss-Controlling Calibration for Predictive Models [5.51361762392299]
交換可能なデータに対する損失制御予測を行うための予測モデルの校正のための学習フレームワークを提案する。対照的に、損失制御手法によって構築された予測器は、設定された予測器に限らない。提案手法は,選択的回帰および高影響気象予報問題に適用する。
論文参考訳（メタデータ） (2023-01-11T09:44:55Z)
Conformal Loss-Controlling Prediction [23.218535051437588]
コンフォーマル予測は、予測セットの予測カバレッジを制御する学習フレームワークである。本研究では,損失関数の値を制御する必要がある状況に対して,共形予測を拡張した共形損失制御予測という学習フレームワークを提案する。
論文参考訳（メタデータ） (2023-01-06T08:58:49Z)
Tailoring to the Tails: Risk Measures for Fine-Grained Tail Sensitivity [10.482805367361818]
予測されるリスクアレンジメント(ERM)は、マシンラーニングシステムの中核にある。本稿では,所望のテール感度を示すリスク対策を構築するための一般的な手法を提案する。
論文参考訳（メタデータ） (2022-08-05T09:51:18Z)
Mitigating multiple descents: A model-agnostic framework for risk monotonization [84.6382406922369]
クロスバリデーションに基づくリスクモノトナイズのための一般的なフレームワークを開発する。本稿では,データ駆動方式であるゼロステップとワンステップの2つの手法を提案する。
論文参考訳（メタデータ） (2022-05-25T17:41:40Z)
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)
Learn then Test: Calibrating Predictive Algorithms to Achieve Risk Control [67.52000805944924]
Learn then Test (LTT)は、機械学習モデルを校正するフレームワークである。私たちの主な洞察は、リスクコントロール問題を複数の仮説テストとして再設計することです。我々は、コンピュータビジョンの詳細な実例を用いて、コア機械学習タスクの新しいキャリブレーション手法を提供するために、我々のフレームワークを使用します。
論文参考訳（メタデータ） (2021-10-03T17:42:03Z)
Certification of Iterative Predictions in Bayesian Neural Networks [79.15007746660211]
我々は、BNNモデルの軌道が与えられた状態に到達する確率に対して、安全でない状態の集合を避けながら低い境界を計算する。我々は、制御と強化学習の文脈において、下限を用いて、与えられた制御ポリシーの安全性保証を提供する。
論文参考訳（メタデータ） (2021-05-21T05:23:57Z)

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。