論文の概要: Mixture Proportion Estimation Beyond Irreducibility
- arxiv url: http://arxiv.org/abs/2306.01253v1
- Date: Fri, 2 Jun 2023 03:32:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-05 16:53:18.829037
- Title: Mixture Proportion Estimation Beyond Irreducibility
- Title（参考訳）: 再現性を超えた混合確率推定
- Authors: Yilun Zhu, Aaron Fjeldsted, Darren Holland, George Landon, Azaree
Lintereur, and Clayton Scott
- Abstract要約: 我々は、既成のMPEアルゴリズムを既約性の下で動作させ、より一般的な条件下で動作させる再サンプリングに基づくメタアルゴリズムを提案する。
提案手法は,ベースライン法および最近提案された再グループ化に基づくアルゴリズムに対する推定性能の向上を示す。
- 参考スコア（独自算出の注目度）: 9.99177526976127
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The task of mixture proportion estimation (MPE) is to estimate the weight of
a component distribution in a mixture, given observations from both the
component and mixture. Previous work on MPE adopts the irreducibility
assumption, which ensures identifiablity of the mixture proportion. In this
paper, we propose a more general sufficient condition that accommodates several
settings of interest where irreducibility does not hold. We further present a
resampling-based meta-algorithm that takes any existing MPE algorithm designed
to work under irreducibility and adapts it to work under our more general
condition. Our approach empirically exhibits improved estimation performance
relative to baseline methods and to a recently proposed regrouping-based
algorithm.
- Abstract（参考訳）: 混合比推定 (mixed proportion estimation, mpe) のタスクは、成分と混合物の両方からの観測から、混合物中の成分分布の重みを推定することである。
MPEに関するこれまでの研究は、混合比の同一性を保証する既約性仮定を採用していた。
本稿では,既約性が持たないいくつかの関心条件を満たす,より一般的な条件を提案する。
我々はさらに,既存のmpeアルゴリズムを既約条件下で動作させ,より一般的な条件下で動作させるために適用する,サンプルベースのメタアゴリタムを提案する。
提案手法は,ベースライン法や最近提案された再グループ化アルゴリズムに対して,評価性能の向上を実証的に示す。
関連論文リスト
- Aioli: A Unified Optimization Framework for Language Model Data Mixing [74.50480703834508]
既存の手法では、グループごとの平均的なテストパープレキシティにおいて、単純な階層化サンプリングベースラインを一貫して上回る結果が得られない。
我々は、Aioliという新しいオンライン手法を導き、トレーニング全体を通して法パラメータの混合を直接推定し、それらを用いて比率を動的に調整する。
論文 参考訳（メタデータ） (2024-11-08T17:50:24Z) - Robust Mixture Learning when Outliers Overwhelm Small Groups [51.49063715477438]
敵が任意の外れ値を加える場合、適切に分離された混合の手段を推定する問題について検討する。
本稿では,各混合平均値に対して,最小のリストサイズオーバーヘッドで順序-最適誤差を保証するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-07-22T16:51:05Z) - Estimating Joint Probability Distribution With Low-Rank Tensor
Decomposition, Radon Transforms and Dictionaries [3.0892724364965005]
本報告では, 混合成分の少ない製品密度の混合として, 基礎となる分布を分解できることを仮定して, データサンプルから結合確率密度を推定する手法について述べる。
1-次元の密度を表す辞書と、1-次元の辺りから合同分布を推定するランダムな投影という2つの重要なアイデアを組み合わせる。
提案アルゴリズムは, 従来の辞書を用いた手法に比べて, サンプルの複雑さの向上に有効である。
論文 参考訳（メタデータ） (2023-04-18T05:37:15Z) - Reweighted Mixup for Subpopulation Shift [63.1315456651771]
サブポピュレーションシフトは、多くの実世界のアプリケーションに存在し、同じサブポピュレーショングループを含むが異なるサブポピュレーション比率を持つトレーニングとテストの分布を指す。
重要度再重み付けは、サブポピュレーションシフトを処理する古典的で効果的な方法である。
我々は、オーバーフィッティング問題を緩和するために、reweighted mixupと呼ばれるシンプルで実用的なフレームワークを提案する。
論文 参考訳（メタデータ） (2023-04-09T03:44:50Z) - Deep Anti-Regularized Ensembles provide reliable out-of-distribution
uncertainty quantification [4.750521042508541]
深層アンサンブルは、しばしばトレーニングドメインの外で過度に信頼された見積を返す。
トレーニングデータに適合する大きな重みを持つネットワークの集合は、これらの2つの目的を満たす可能性が高いことを示す。
提案手法の理論的枠組みを導出し,提案手法を「水充填問題」とみなすことができることを示す。
論文 参考訳（メタデータ） (2023-04-08T15:25:12Z) - RegMixup: Mixup as a Regularizer Can Surprisingly Improve Accuracy and
Out Distribution Robustness [94.69774317059122]
学習目的として使うのではなく、標準のクロスエントロピー損失に対する追加の正則化剤として利用すれば、良好なミックスアップの有効性がさらに向上できることが示される。
この単純な変更は、精度を大幅に改善するだけでなく、Mixupの予測不確実性推定の品質を大幅に改善する。
論文 参考訳（メタデータ） (2022-06-29T09:44:33Z) - Recursive Inference for Variational Autoencoders [34.552283758419506]
従来の変分オートエンコーダ(VAE)の推論ネットワークは典型的に償却される。
この欠点に対処するために、最近の半修正アプローチが提案されている。
精度の高い償却推論アルゴリズムを導入する。
論文 参考訳（メタデータ） (2020-11-17T10:22:12Z) - Consistent Estimation of Identifiable Nonparametric Mixture Models from
Grouped Observations [84.81435917024983]
この研究は、グループ化された観測から任意の同定可能な混合モデルを一貫して推定するアルゴリズムを提案する。
ペア化された観測のために実践的な実装が提供され、アプローチは既存の手法より優れていることを示す。
論文 参考訳（メタデータ） (2020-06-12T20:44:22Z) - Batch Stationary Distribution Estimation [98.18201132095066]
サンプル遷移の組を与えられたエルゴードマルコフ鎖の定常分布を近似する問題を考える。
与えられたデータに対する補正比関数の復元に基づく一貫した推定器を提案する。
論文 参考訳（メタデータ） (2020-03-02T09:10:01Z)
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。