論文の概要: Autoencoded sparse Bayesian in-IRT factorization, calibration, and
amortized inference for the Work Disability Functional Assessment Battery
- arxiv url: http://arxiv.org/abs/2210.10952v4
- Date: Tue, 9 May 2023 14:11:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-10 20:38:57.584675
- Title: Autoencoded sparse Bayesian in-IRT factorization, calibration, and
amortized inference for the Work Disability Functional Assessment Battery
- Title（参考訳）: 作業障害機能評価用電池における自己符号化されたスパースベイズ式IRT分解, キャリブレーション, 償却推論
- Authors: Joshua C. Chang, Carson C. Chow, Julia Porcino
- Abstract要約: 作業障害機能評価電池(WD-FAB)は、作業関連心身機能を評価するための多次元項目応答理論(IRT)である。
我々は,次の同時タスクを自己整合的に実行するためのベイズ階層モデルを開発した。
従来のポストホック法を用いて得られた項目識別結果を比較した。
- 参考スコア（独自算出の注目度）: 1.6114012813668934
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Work Disability Functional Assessment Battery (WD-FAB) is a
multidimensional item response theory (IRT) instrument designed for assessing
work-related mental and physical function based on responses to an item bank.
In prior iterations it was developed using traditional means -- linear
factorization and null hypothesis statistical testing for item
partitioning/selection, and finally, posthoc calibration of disjoint
unidimensional IRT models. As a result, the WD-FAB, like many other IRT
instruments, is a posthoc model. Its item partitioning, based on exploratory
factor analysis, is blind to the final nonlinear IRT model and is not performed
in a manner consistent with goodness of fit to the final model. In this
manuscript, we develop a Bayesian hierarchical model for self-consistently
performing the following simultaneous tasks: scale factorization, item
selection, parameter identification, and response scoring. This method uses
sparsity-based shrinkage to obviate the linear factorization and null
hypothesis statistical tests that are usually required for developing
multidimensional IRT models, so that item partitioning is consistent with the
ultimate nonlinear factor model. We also analogize our multidimensional IRT
model to probabilistic autoencoders, specifying an encoder function that
amortizes the inference of ability parameters from item responses. The encoder
function is equivalent to the "VBE" step in a stochastic variational Bayesian
expectation maximization (VBEM) procedure that we use for approxiamte Bayesian
inference on the entire model. We use the method on a sample of WD-FAB item
responses and compare the resulting item discriminations to those obtained
using the traditional posthoc method.
- Abstract（参考訳）: ワーク障害機能評価電池 (WD-FAB) は、アイテムバンクへの応答に基づいて、作業関連心身機能を評価するために設計された多次元アイテム応答理論(IRT)である。
以前のイテレーションでは、アイテム分割/選択のための線形因数分解とヌル仮説統計テスト、そして最後に一次元IRTモデルのポストホックキャリブレーションを用いて開発された。
その結果、WD-FABは他のIRTの楽器と同様にポストホックモデルとなった。
探索的因子分析に基づく項目分割は、最終非線形IRTモデルに盲目であり、最終モデルに適合する良さと整合した方法で実行されない。
本稿では,スケール因子化,項目選択,パラメータ同定,応答スコアリングといった同時タスクを自己整合的に実行するベイズ階層モデルを開発した。
この方法では、線形因子化と、多次元IRTモデルの開発に通常必要とされるヌル仮説統計テストの妨げとなるため、アイテム分割は究極の非線形因子モデルと一致する。
また,多次元irtモデルを確率的オートエンコーダに類似させ,項目応答から能力パラメータを推定するエンコーダ関数を指定する。
エンコーダ関数は、モデル全体の近似ベイズ推定に用いられる確率的変分ベイズ期待最大化 (vbem) 手順における「vbe」ステップと等価である。
本手法は,wd-fab項目応答のサンプルを用いて,得られた項目識別を従来のポストホック法を用いて得られたものと比較する。
関連論文リスト
- Bayesian Estimation and Tuning-Free Rank Detection for Probability Mass Function Tensors [17.640500920466984]
本稿では,関節のPMFを推定し,そのランクを観測データから自動的に推定する新しい枠組みを提案する。
我々は、様々なモデルパラメータの後方分布を近似するために、変分推論(VI)に基づく決定論的解を導出し、さらに、変分推論(SVI)を利用して、VVIベースのアプローチのスケーラブルバージョンを開発する。
合成データと実映画レコメンデーションデータの両方を含む実験は、推定精度、自動ランク検出、計算効率の点で、VVIおよびSVIベースの手法の利点を示している。
論文 参考訳（メタデータ） (2024-10-08T20:07:49Z) - Unveiling the Statistical Foundations of Chain-of-Thought Prompting Methods [59.779795063072655]
CoT(Chain-of-Thought)の促進とその変種は、多段階推論問題を解決する効果的な方法として人気を集めている。
統計的推定の観点からCoTのプロンプトを解析し,その複雑さを包括的に評価する。
論文 参考訳（メタデータ） (2024-08-25T04:07:18Z) - Distributionally Robust Optimization as a Scalable Framework to Characterize Extreme Value Distributions [22.765095010254118]
本研究の目的は分散ロバストな最適化 (DRO) 推定器の開発であり、特に多次元極値理論 (EVT) の統計量についてである。
点過程の空間における半パラメトリックな最大安定制約によって予測されるDRO推定器について検討した。
両手法は, 合成データを用いて検証し, 所定の特性を回復し, 提案手法の有効性を検証する。
論文 参考訳（メタデータ） (2024-07-31T19:45:27Z) - Variational Bayesian surrogate modelling with application to robust design optimisation [0.9626666671366836]
サロゲートモデルは複雑な計算モデルに対して素早く評価できる近似を提供する。
入力の不確かさと次元減少を伴う統計的代理を構築するためのベイズ推定について考察する。
コスト関数がモデル出力の平均および標準偏差の重み付け和に依存するような本質的で頑健な構造最適化問題を示す。
論文 参考訳（メタデータ） (2024-04-23T09:22:35Z) - Value-Distributional Model-Based Reinforcement Learning [59.758009422067]
政策の長期的業績に関する不確実性の定量化は、シーケンシャルな意思決定タスクを解決するために重要である。
モデルに基づくベイズ強化学習の観点から問題を考察する。
本稿では,値分布関数を学習するモデルに基づくアルゴリズムであるEpicemic Quantile-Regression(EQR)を提案する。
論文 参考訳（メタデータ） (2023-08-12T14:59:19Z) - Robust Outlier Rejection for 3D Registration with Variational Bayes [70.98659381852787]
我々は、ロバストアライメントのための新しい変分非局所ネットワークベース外乱除去フレームワークを開発した。
そこで本稿では, 投票に基づく不整合探索手法を提案し, 変換推定のための高品質な仮説的不整合をクラスタリングする。
論文 参考訳（メタデータ） (2023-04-04T03:48:56Z) - Error-based Knockoffs Inference for Controlled Feature Selection [49.99321384855201]
本手法では, ノックオフ特徴量, エラーベース特徴重要度統計量, ステップダウン手順を一体化して, エラーベースのノックオフ推定手法を提案する。
提案手法では回帰モデルを指定する必要はなく,理論的保証で特徴選択を処理できる。
論文 参考訳（メタデータ） (2022-03-09T01:55:59Z) - Variational Inference with NoFAS: Normalizing Flow with Adaptive
Surrogate for Computationally Expensive Models [7.217783736464403]
マルコフ連鎖モンテカルロのようなサンプリングに基づくアプローチの使用は、それぞれの可能性評価が計算的に高価であるときに難解になる可能性がある。
変分推論と正規化フローを組み合わせた新しいアプローチは、潜在変数空間の次元と線形にしか成長しない計算コストによって特徴づけられる。
本稿では,ニューラルネットワークサロゲートモデルの正規化フローパラメータと重みを代わりに更新する最適化戦略である,適応サロゲートを用いた正規化フロー(NoFAS)を提案する。
論文 参考訳（メタデータ） (2021-08-28T14:31:45Z) - Autoencoding Variational Autoencoder [56.05008520271406]
我々は,この行動が学習表現に与える影響と,自己整合性の概念を導入することでそれを修正する結果について検討する。
自己整合性アプローチで訓練されたエンコーダは、敵攻撃による入力の摂動に対して頑健な(無神経な)表現につながることを示す。
論文 参考訳（メタデータ） (2020-12-07T14:16:14Z) - Controlling for sparsity in sparse factor analysis models: adaptive
latent feature sharing for piecewise linear dimensionality reduction [2.896192909215469]
本稿では,現在潜伏している特徴分解技術の鍵となる限界に対処できる,シンプルでトラクタブルな特徴割り当てモデルを提案する。
適応型因子分析(aFA)と適応型確率的原理成分分析(aPPCA)を応用し,柔軟な構造発見と次元減少を実現する。
APPCAとaFAは、生のMNISTに適用した場合と、オートエンコーダの特徴を解釈する場合の両方において、高いレベルの特徴を推測できることを示す。
論文 参考訳（メタデータ） (2020-06-22T16:09:11Z) - 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。
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。