論文の概要: Goodness of fit by Neyman-Pearson testing

• arxiv url: http://arxiv.org/abs/2305.14137v2
• Date: Fri, 15 Mar 2024 16:30:28 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-19 07:42:00.926980
• Title: Goodness of fit by Neyman-Pearson testing
• Title（参考訳）: Neyman-Pearson 試験による適合性の良さ
• Authors: Gaia Grosso, Marco Letizia, Maurizio Pierini, Andrea Wulzer,
• Abstract要約: 仮説テストのためのナイマン・ピアソンの戦略は、データから代替仮説が選択された場合に適合する。 高エネルギー物理コライダー実験における新しい物理効果の検出を目的とした新しい物理学習機械(NPLM)法が開発されている。 NPLMは、予想される分布からのデータの小さな離脱に対するより敏感なテストとして現れ、特定の種類の異常を検出するには偏らない。
• 参考スコア（独自算出の注目度）: 1.000352363234953
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Neyman-Pearson strategy for hypothesis testing can be employed for goodness of fit if the alternative hypothesis is selected from data by exploring a rich parametrised family of models, while controlling the impact of statistical fluctuations. The New Physics Learning Machine (NPLM) methodology has been developed as a concrete implementation of this idea, to target the detection of new physical effects in the context of high energy physics collider experiments. In this paper we conduct a comparison of this approach to goodness of fit with others, in particular with classifier-based strategies that share strong similarities with NPLM. From our comparison, NPLM emerges as the more sensitive test to small departures of the data from the expected distribution and not biased towards detecting specific types of anomalies. These features make it suited for agnostic searches for new physics at collider experiments. Its deployment in other scientific and industrial scenarios should be investigated.
• Abstract（参考訳）: 仮説テストのためのナイマン・ピアソンの戦略は、統計変動の影響を制御しながら、リッチなパラメトリドモデルのファミリーを探索することによって、データから代替仮説が選択される場合、適合性のために用いられる。 新しい物理学習機械(NPLM)手法は、高エネルギー物理コライダー実験の文脈における新しい物理効果の検出を目的とした、このアイデアの具体的実装として開発された。 本稿では,NPLMと強い類似性を持つ分類器ベースの戦略と,他の手法との適合性を比較検討する。 以上の結果から,NPLMはより敏感な検査として,予測分布からデータを取り除き,特定の種類の異常の検出に偏りがないことが示唆された。 これらの特徴は、コライダー実験における新しい物理学の発見に適している。 その他の科学的・工業的なシナリオへの展開について検討する必要がある。

関連論文リスト

• Multiple testing for signal-agnostic searches of new physics with machine learning [0.0]
  複数のテスト戦略を活用することで信号に依存しない探索をいかに向上させるかという課題を考察する。 我々は,信号に依存しない確率比検定を行う手法であるニュー物理学習機械に着目した。
  論文  参考訳（メタデータ） (2024-08-22T11:14:37Z)
• Uncertainty Measurement of Deep Learning System based on the Convex Hull of Training Sets [0.13265175299265505]
  本研究では,訓練データの凸殻に基づくトレーニングモデルの不確実性を測定するTo-hull Uncertainity and Closure Ratioを提案する。 学習したデータの凸船体と見えないサンプルとの間の位置関係を観察し、サンプルが凸船体からどのように外挿されているかを推測することができる。
  論文  参考訳（メタデータ） (2024-05-25T06:25:24Z)
• Online simulator-based experimental design for cognitive model selection [74.76661199843284]
  本稿では,抽出可能な確率を伴わない計算モデルを選択する実験設計手法BOSMOSを提案する。 シミュレーション実験では,提案手法により,既存のLFI手法に比べて最大2桁の精度でモデルを選択することができることを示した。
  論文  参考訳（メタデータ） (2023-03-03T21:41:01Z)
• Classical models may be a better explanation of the Jiuzhang 1.0 Gaussian Boson Sampler than its targeted squeezed light model [0.0]
  我々は、Juzhang 1.0 と Jiuzhang 2.0 の実験の検証のための代替古典的仮説を提案する。 その結果,今後のGBS実験の検証において考慮すべき新たな仮説が得られた。
  論文  参考訳（メタデータ） (2022-07-20T17:39:44Z)
• Conformal prediction for the design problem [72.14982816083297]
  機械学習の現実的な展開では、次にテストすべきデータを選択するために予測アルゴリズムを使用します。 このような設定では、トレーニングデータとテストデータの間には、異なるタイプの分散シフトがある。 このような環境で予測の不確実性を定量化する手法を提案する。
  論文  参考訳（メタデータ） (2022-02-08T02:59:12Z)
• Variance Minimization in the Wasserstein Space for Invariant Causal Prediction [72.13445677280792]
  そこで本研究では,ICPで行ったアプローチを,予測器数で線形にスケールする一連の非パラメトリックテストとして再検討する。 これらのテストはそれぞれ、最適輸送理論の道具から導かれる新しい損失関数の最小化に依存している。 我々は,本手法が同定可能な直接原因の集合を回復できるという軽微な仮定の下で証明し,他のベンチマーク因果探索アルゴリズムと競合することを示す。
  論文  参考訳（メタデータ） (2021-10-13T22:30:47Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• With Little Power Comes Great Responsibility [54.96675741328462]
  アンダーパワー実験により、統計的ノイズと有意義なモデル改善の違いを識別することがより困難になる。 小さなテストセットは、ほとんどの試行錯誤が、最先端のモデルと比較しても、十分なパワーが得られないことを意味している。 機械翻訳では,2000文の典型的テストセットが約75%のパワーで1 BLEU点の差を検出する。
  論文  参考訳（メタデータ） (2020-10-13T18:00:02Z)
• Balance-Subsampled Stable Prediction [55.13512328954456]
  本稿では, 分数分解設計理論に基づく新しいバランスサブサンプル安定予測法を提案する。 設計理論解析により,提案手法は分布シフトによって誘導される予測器間の共起効果を低減できることを示した。 合成および実世界の両方のデータセットに関する数値実験により、BSSPアルゴリズムは未知のテストデータ間で安定した予測を行うためのベースライン法を著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2020-06-08T07:01:38Z)
• A quantum algorithm for model independent searches for new physics [0.0]
  多次元双対コライダーデータにおける非モデル化異常を探索するための新しい量子手法を提案する。 我々は、イジング格子スピンサイトを各ビンに関連付け、観測データから好適に構築する。 データ中の空間的に相関する異常を捉えるために,近隣のサイト間のスピンスピン相互作用を導入する。
  論文  参考訳（メタデータ） (2020-03-04T16:51:25Z)

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。