論文の概要: Evaluation of distance-based approaches for forensic comparison:
Application to hand odor evidence
- arxiv url: http://arxiv.org/abs/2303.09126v1
- Date: Thu, 16 Mar 2023 07:41:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-17 16:26:45.056128
- Title: Evaluation of distance-based approaches for forensic comparison:
Application to hand odor evidence
- Title（参考訳）: 法医学的比較のための距離ベースアプローチの評価:手臭証拠への応用
- Authors: Isabelle Rivals (UMRS, ESPCI Paris), C\'edric Sautier (IRCGN),
Guillaume Cognon, Vincent Cuzuel
- Abstract要約: 我々は、高次元の証拠を扱うための頑健さ、特にその能力が極めて異なる距離ベースのアプローチに焦点を当てる。
直接的および間接的手法は、感度、特異性、ロバスト性の観点から比較される。
534名の被験者の大規模パネルと1690名の匂い跡の実験的評価は,間接的手法の有意な優位性を示した。
- 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: The issue of distinguishing between the same-source and different-source
hypotheses based on various types of traces is a generic problem in forensic
science. This problem is often tackled with Bayesian approaches, which are able
to provide a likelihood ratio that quantifies the relative strengths of
evidence supporting each of the two competing hypotheses. Here, we focus on
distance-based approaches, whose robustness and specifically whose capacity to
deal with high-dimensional evidence are very different, and need to be
evaluated and optimized. A unified framework for direct methods based on
estimating the likelihoods of the distance between traces under each of the two
competing hypotheses, and indirect methods using logistic regression to
discriminate between same-source and different-source distance distributions,
is presented. Whilst direct methods are more flexible, indirect methods are
more robust and quite natural in machine learning. Moreover, indirect methods
also enable the use of a vectorial distance, thus preventing the severe
information loss suffered by scalar distance approaches.Direct and indirect
methods are compared in terms of sensitivity, specificity and robustness, with
and without dimensionality reduction, with and without feature selection, on
the example of hand odor profiles, a novel and challenging type of evidence in
the field of forensics. Empirical evaluations on a large panel of 534 subjects
and their 1690 odor traces show the significant superiority of the indirect
methods, especially without dimensionality reduction, be it with or without
feature selection.
- Abstract（参考訳）: 様々な種類のトレースに基づく同源仮説と異源仮説を区別する問題は、法医学における一般的な問題である。
この問題は、しばしば2つの競合する仮説のそれぞれを支持する証拠の相対的な強さを定量化できる確率比を与えるベイズ的アプローチによって取り組まれる。
ここでは,頑健性,特に高次元のエビデンスを扱う能力が極めて異なる距離に基づくアプローチに注目し,評価と最適化を行う必要がある。
2つの競合する仮説のそれぞれにおけるトレース間の距離の確率を推定する直接法と、同源分布と異源距離分布を判別するロジスティック回帰を用いた間接法との統一的枠組みを提案する。
直接メソッドはより柔軟だが、間接メソッドは機械学習においてより堅牢で極めて自然なものだ。
さらに, 間接的手法は, ベクトル的距離の利用を可能にし, スカラー距離アプローチによる重大な情報損失を防止する。間接的, 間接的手法は, 感度, 特異性, 頑健性の観点から比較される。
534人の被験者と1690人の匂いの痕跡からなる大きなパネルにおける経験的評価は、間接的な方法、特に次元の縮小を伴わない方法が特徴選択の有無で優れていることを示している。
関連論文リスト
- Disentangled Representation for Causal Mediation Analysis [21.321889508637106]
因果媒介分析(英: Causal mediation analysis)は、直接的および間接的な効果を明らかにするためにしばしば用いられる方法である。
深層学習はメディエーション分析において有望であるが、現在の手法では、治療、メディエーター、結果に同時に影響を及ぼす潜在的共同創設者のみを前提としている。
そこで本研究では,助成金の表現を3つのタイプに分けて,自然的直接効果,自然間接効果,および全効果を正確に推定する,ディスタングル・メディエーション分析変分自動エンコーダ(DMAVAE)を提案する。
論文 参考訳（メタデータ） (2023-02-19T23:37:17Z) - Benchmarking common uncertainty estimation methods with
histopathological images under domain shift and label noise [62.997667081978825]
ドメインシフト下の全スライディング画像の分類において,最もよく用いられる不確実性とロバスト性の評価を行った。
手法のアンサンブルが一般的により高い精度とキャリブレーションをもたらすことを観察する。
方法全体で、最も不確実なタイルの拒絶は、分類精度を著しく向上させる。
論文 参考訳（メタデータ） (2023-01-03T11:34:36Z) - Composed Image Retrieval with Text Feedback via Multi-grained
Uncertainty Regularization [77.30965981016902]
粗い検索ときめ細かい検索を同時にモデル化する統合学習手法を提案する。
提案手法は、強いベースライン上で+4.03%、+3.38%、+2.40% Recall@50精度を達成した。
論文 参考訳（メタデータ） (2022-11-14T14:25:40Z) - Causal Intervention-based Prompt Debiasing for Event Argument Extraction [19.057467535856485]
我々は、名前ベースのプロンプトとオントロジーベースのプロンプトの2種類のプロンプトを比較し、オントロジーベースのプロンプトメソッドがゼロショットイベント引数抽出(EAE)においてそのプロンプトをいかに上回っているかを明らかにする。
2つのベンチマーク実験により,デバイアス法によって修正されたベースラインモデルは,より効果的かつ堅牢になり,対向攻撃に対する耐性が著しく向上することが示された。
論文 参考訳（メタデータ） (2022-10-04T12:32:00Z) - BaCaDI: Bayesian Causal Discovery with Unknown Interventions [118.93754590721173]
BaCaDIは因果構造と介入の両方の潜在確率的表現の連続的な空間で機能する。
BaCaDIは、合成因果発見タスクとシミュレートされた遺伝子発現データの実験において、因果構造と介入ターゲットを識別する関連手法より優れている。
論文 参考訳（メタデータ） (2022-06-03T16:25:48Z) - Evaluating Causal Inference Methods [0.4588028371034407]
我々は、因果推論手法を検証するために、深層生成モデルに基づくフレームワーク、クレデンスを導入する。
我々の研究は、因果推論手法を検証するために、深層生成モデルに基づくフレームワーク、クレデンスを導入している。
論文 参考訳（メタデータ） (2022-02-09T00:21:22Z) - Deblurring via Stochastic Refinement [85.42730934561101]
条件付き拡散モデルに基づくブラインドデブロアリングのための代替フレームワークを提案する。
提案手法は,PSNRなどの歪み指標の点で競合する。
論文 参考訳（メタデータ） (2021-12-05T04:36:09Z) - Diverse Knowledge Distillation for End-to-End Person Search [81.4926655119318]
人物検索は、画像ギャラリーから特定の人物をローカライズし識別することを目的としている。
最近の手法は2つのグループ、すなわち2段階とエンドツーエンドのアプローチに分類できる。
ボトルネックを解消するために、多様な知識蒸留を備えたシンプルで強力なエンドツーエンドネットワークを提案します。
論文 参考訳（メタデータ） (2020-12-21T09:04:27Z) - DEMI: Discriminative Estimator of Mutual Information [5.248805627195347]
連続確率変数間の相互情報を推定することは、高次元データにとってしばしば難解で困難である。
近年の進歩は、相互情報の変動的下界を最適化するためにニューラルネットワークを活用している。
提案手法は,データサンプルペアが結合分布から引き出される確率を提供する分類器の訓練に基づく。
論文 参考訳（メタデータ） (2020-10-05T04:19:27Z) - Rethink Maximum Mean Discrepancy for Domain Adaptation [77.2560592127872]
本論文は,(1)最大平均距離の最小化は,それぞれソースとクラス内距離の最大化に等しいが,その差を暗黙の重みと共同で最小化し,特徴判別性は低下する,という2つの本質的な事実を理論的に証明する。
いくつかのベンチマークデータセットの実験は、理論的な結果の有効性を証明しただけでなく、我々のアプローチが比較した最先端手法よりも大幅に向上できることを実証した。
論文 参考訳（メタデータ） (2020-07-01T18:25:10Z) - MissDeepCausal: Causal Inference from Incomplete Data Using Deep Latent
Variable Models [14.173184309520453]
因果推論の最先端の手法は、欠落した値を考慮していない。
欠落したデータは、適応された未確立仮説を必要とする。
欠落した値に適応した変分オートエンコーダを通じて分布を学習する潜在的共同設立者について考察する。
論文 参考訳（メタデータ） (2020-02-25T12:58:07Z)
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。