Fugu-MT 論文翻訳(概要): Isotonic Recalibration under a Low Signal-to-Noise Ratio

論文の概要: Isotonic Recalibration under a Low Signal-to-Noise Ratio

arxiv url: http://arxiv.org/abs/2301.02692v1
Date: Fri, 6 Jan 2023 19:18:46 GMT
ステータス: 翻訳完了
システム内更新日: 2023-01-10 16:32:20.911540
Title: Isotonic Recalibration under a Low Signal-to-Noise Ratio
Title（参考訳）: 低信号対雑音比における等張リカレーション
Authors: Mario V. W\"uthrich, Johanna Ziegel
Abstract要約: 本稿では, 自己校正を保証するために, 任意の回帰モデルにアイソトニック再校正を適用することを提案する。本研究の主な成果は,低信号対雑音比下では,このアイソトニック再校正ステップが説明可能な価格システムに繋がることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Insurance pricing systems should fulfill the auto-calibration property to ensure that there is no systematic cross-financing between different price cohorts. Often, regression models are not auto-calibrated. We propose to apply isotonic recalibration to a given regression model to ensure auto-calibration. Our main result proves that under a low signal-to-noise ratio, this isotonic recalibration step leads to explainable pricing systems because the resulting isotonically recalibrated regression functions have a low complexity.
Abstract（参考訳）: 保険料体系は、異なる価格コホート間で系統的な相互資金繰りがないことを保証するために、自動調整資産を満たすべきである。回帰モデルは自動校正されないことが多い。自動校正を保証するために,任意の回帰モデルに等速再校正を適用することを提案する。我々の主な結果は、信号対雑音比の低さの下で、この等張リカバリレーションステップが説明可能な価格体系をもたらすことを証明している。

関連論文リスト

CAIRO: Decoupling Order from Scale in Regression [13.755937210012883]
回帰を2つの異なる段階に分離する枠組みを提案する。第1段階では,スケール不変ランキングの損失を最小限に抑えることで,スコアリング関数を学習する。第2に,等速回帰による目標スケールの復元を行う。
論文参考訳（メタデータ） (2026-02-16T03:50:05Z)
Mitigating Reward Hacking in RLHF via Bayesian Non-negative Reward Modeling [49.41422138354821]
非負の因子分析をBradley-Terry選好モデルに統合する原理的報酬モデリングフレームワークを提案する。 BNRMは、スパースで非負の潜在因子生成過程を通じて報酬を表す。 BNRMは報酬の過度な最適化を著しく軽減し、分布シフトによるロバスト性を改善し、強いベースラインよりも解釈可能な報酬分解をもたらすことを示す。
論文参考訳（メタデータ） (2026-02-11T08:14:11Z)
Uncertainty Quantification for Regression using Proper Scoring Rules [76.24649098854219]
CRPS,対数,2乗誤差,2次スコアなど,適切なスコアリングルールに基づく回帰のための統一的UQフレームワークを提案する。実測パラメトリックな仮定に基づく不確実性尺度に対する閉形式式を導出し、モデルのアンサンブルを用いてそれらを推定する方法を示す。合成および実世界の回帰データセットに対する広範な評価は、信頼性の高いUQ尺度を選択するためのガイダンスを提供する。
論文参考訳（メタデータ） (2025-09-30T17:52:12Z)
Efficient Conformal Prediction for Regression Models under Label Noise [23.243279443972522]
医用画像などの高精細なシナリオでは、信頼性のある信頼区間を持つ回帰モデルの予測を行うことが重要である。近年、コンフォーマル予測は、予め特定された確率を持つ真のラベルを含む間隔を生成する強力な統計フレームワークとして出現している。本稿では,キャリブレーションセットがノイズラベルを含む場合,回帰モデルにCPを適用するという問題に対処する。回帰問題の連続的な性質から生じる課題を克服する実践的なアルゴリズムに転換する。
論文参考訳（メタデータ） (2025-09-18T16:27:09Z)
Convergence and Generalization of Anti-Regularization for Parametric Models [0.0]
反正則化は損失関数に逆符号を持つ報酬項を導入する。スペクトル安全性条件と信頼領域制約を定式化する。我々は、プロジェクション演算子と勾配クリッピングを組み合わせた軽量な安全ガードを設計し、安定した介入を保証する。
論文参考訳（メタデータ） (2025-08-24T15:34:17Z)
A Cycle-Consistency Constrained Framework for Dynamic Solution Space Reduction in Noninjective Regression [2.775364659317507]
本稿では,サイクル一貫性に基づくデータ駆動トレーニングフレームワークを提案する。正規化合成およびシミュレーションデータセットの実験により,提案手法が0.003未満のサイクル再構成誤差を達成することを示した。このフレームワークは手動による介入への依存を著しく減らし、非インジェクティブ回帰タスクの潜在的な利点を示す。
論文参考訳（メタデータ） (2025-07-07T04:28:01Z)
Selective Nonparametric Regression via Testing [54.20569354303575]
本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
論文参考訳（メタデータ） (2023-09-28T13:04:11Z)
Beta quantile regression for robust estimation of uncertainty in the presence of outliers [1.6377726761463862]
量子回帰(Quantile Regression)は、ディープニューラルネットワークにおけるアレタリック不確実性を推定するために用いられる。本稿では、頑健な分散の概念を取り入れた量子レグレッションのためのロバストな解を提案する。
論文参考訳（メタデータ） (2023-09-14T01:18:57Z)
Finite-Sample Analysis of Learning High-Dimensional Single ReLU Neuron [121.10338065441417]
我々は、GLM-tronと呼ばれるパーセプトロン型アルゴリズムを解析し、その次元自由リスク上限を高次元ReLU回帰のために提供する。以上の結果から,GLM-tronは高次元ReLU回帰においてSGDよりも好ましい可能性が示唆された。
論文参考訳（メタデータ） (2023-03-03T23:02:23Z)
Improving Prediction Backward-Compatiblility in NLP Model Upgrade with Gated Fusion [8.173078054056337]
ニューラルモデルを新しいバージョンにアップグレードする場合、レガシバージョンで遭遇しなかった新しいエラーを、レグレッションエラー(regress error)として導入することができる。従来のモデルと新しいモデルの間で予測を混合する学習による後方互換性を促進する新しい手法であるGated Fusionを提案する。
論文参考訳（メタデータ） (2023-02-04T03:40:35Z)
Estimation of Non-Crossing Quantile Regression Process with Deep ReQU Neural Networks [5.5272015676880795]
本稿では,2次単位(ReQU)活性化深層ニューラルネットワークを用いた非分離モデルにおいて,QRP(quantile regression process)を推定するペナル化非パラメトリック手法を提案する。推定されたQRPに対する非漸近的過剰リスク境界を確立し、軽度な滑らかさと規則性条件下で推定されたQRPに対する平均2乗誤差を導出する。
論文参考訳（メタデータ） (2022-07-21T12:26:45Z)
Adversarial Sign-Corrupted Isotonic Regression [4.5281658051751785]
textttASCIFITは,textttASCI設定下での3段階推定手法である。我々は、その理論的な保証を、シャープな高確率上界とミニマックス下界の形で示す。
論文参考訳（メタデータ） (2022-07-14T17:24:51Z)
Benign overfitting and adaptive nonparametric regression [71.70323672531606]
本研究では,データポイントを高い確率で補間する連続関数である推定器を構築する。我々は未知の滑らかさに適応してH"古いクラスのスケールにおいて平均2乗リスクの下で最小値の最適速度を得る。
論文参考訳（メタデータ） (2022-06-27T14:50:14Z)
Investigation of Different Calibration Methods for Deep Speaker Embedding based Verification Systems [66.61691401921296]
本稿では, ディープスピーカ埋込抽出器のスコアキャリブレーション法について検討する。この研究のさらなる焦点は、スコア正規化がシステムの校正性能に与える影響を推定することである。
論文参考訳（メタデータ） (2022-03-28T21:22:22Z)
Regression Bugs Are In Your Model! Measuring, Reducing and Analyzing Regressions In NLP Model Updates [68.09049111171862]
この研究は、NLPモデル更新における回帰エラーの定量化、低減、分析に重点を置いている。回帰フリーモデル更新を制約付き最適化問題に定式化する。モデルアンサンブルが回帰を減らす方法を実証的に分析します。
論文参考訳（メタデータ） (2021-05-07T03:33:00Z)
Positive-Congruent Training: Towards Regression-Free Model Updates [87.25247195148187]
画像分類において、サンプルワイドの不整合は「負のフリップ」として現れる新しいモデルは、古い(参照)モデルによって正しく分類されたテストサンプルの出力を誤って予測する。そこで本研究では,PC トレーニングのための簡易なアプローチである Focal Distillation を提案する。
論文参考訳（メタデータ） (2020-11-18T09:00:44Z)
Semi-Supervised Empirical Risk Minimization: Using unlabeled data to improve prediction [4.860671253873579]
本稿では,経験的リスク最小化(Empirical Risk Minimization,ERM)学習プロセスの半教師付き学習(SSL)変種を設計するためにラベルのないデータを使用する一般的な手法を提案する。我々は、予測性能の向上におけるSSLアプローチの有効性を分析した。
論文参考訳（メタデータ） (2020-09-01T17:55:51Z)

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。