論文の概要: Bayesian taut splines for estimating the number of modes
- arxiv url: http://arxiv.org/abs/2307.05825v2
- Date: Fri, 21 Jul 2023 09:47:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-24 15:20:21.218559
- Title: Bayesian taut splines for estimating the number of modes
- Title(参考訳): モード数推定のためのベイズタウトスプライン
- Authors: Jos\'e E. Chac\'on, Javier Fern\'andez Serrano
- Abstract要約: 本稿では,問題の見過ごされた側面に触発された予測精度を目標とする新しい手法を提案する。
我々は、解の構造の必要性、モードの主観的かつ不確実性、および大域的および局所的な密度特性をブレンドする全体論的視点の利便性について論じる。
- 参考スコア(独自算出の注目度): 1.4986031916712106
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The number of modes in a probability density function is representative of
the model's complexity and can also be viewed as the number of existing
subpopulations. Despite its relevance, little research has been devoted to its
estimation. Focusing on the univariate setting, we propose a novel approach
targeting prediction accuracy inspired by some overlooked aspects of the
problem. We argue for the need for structure in the solutions, the subjective
and uncertain nature of modes, and the convenience of a holistic view blending
global and local density properties. Our method builds upon a combination of
flexible kernel estimators and parsimonious compositional splines. Feature
exploration, model selection and mode testing are implemented in the Bayesian
inference paradigm, providing soft solutions and allowing to incorporate expert
judgement in the process. The usefulness of our proposal is illustrated through
a case study in sports analytics, showcasing multiple companion visualisation
tools. A thorough simulation study demonstrates that traditional
modality-driven approaches paradoxically struggle to provide accurate results.
In this context, our method emerges as a top-tier alternative offering
innovative solutions for analysts.
- Abstract(参考訳): 確率密度関数のモード数はモデルの複雑さを表すものであり、既存のサブ集団の数と見なすこともできる。
その関連性にもかかわらず、その推定にはほとんど研究がなされていない。
単変量設定に焦点をあて,問題の見過ごされた側面に着想を得た予測精度を目標とした新しい手法を提案する。
我々は, 解の構造の必要性, モードの主観的かつ不確かな性質, 大域的および局所的な密度特性を混合した全体的視点の利便性について論じる。
本手法は, フレキシブルカーネル推定器と擬似合成スプラインを組み合わせて構築する。
特徴探索、モデル選択、モードテストはベイズ推論パラダイムで実装され、ソフトソリューションを提供し、プロセスに専門家の判断を組み込むことができる。
本提案の有用性は,複数のコンパニオンビジュアライゼーションツールを紹介するスポーツアナリティクスのケーススタディを通して示す。
徹底的なシミュレーション研究は、伝統的なモダリティ駆動アプローチがパラドックス的に正確な結果を提供するのに苦労していることを示している。
この文脈では、我々の手法はアナリストに革新的なソリューションを提供する最上位の代替手段として現れる。
関連論文リスト
- Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳(メタデータ) (2024-03-02T00:56:05Z) - Modeling Uncertainty in Personalized Emotion Prediction with Normalizing
Flows [6.32047610997385]
本研究では,条件付き正規化フローを用いて予測の不確かさを捉える新しい手法を提案する。
感情認識とヘイトスピーチを含む3つの主観的NLP課題に対して,本手法の有効性を検証した。
開発した手法によって得られた情報により,従来の手法を超越したハイブリッドモデルの構築が可能となった。
論文 参考訳(メタデータ) (2023-12-10T23:21:41Z) - Optimizing Solution-Samplers for Combinatorial Problems: The Landscape
of Policy-Gradient Methods [52.0617030129699]
本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。
我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。
本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
論文 参考訳(メタデータ) (2023-10-08T23:39:38Z) - A Bayesian Approach to Robust Inverse Reinforcement Learning [57.48221522174114]
我々は、オフラインモデルに基づく逆強化学習(IRL)に対するベイズ的アプローチを考える。
提案フレームワークは,専門家の報酬関数と環境力学の主観的モデルとを同時推定することにより,既存のオフラインモデルベースIRLアプローチとは異なる。
本分析は, 専門家が環境の高精度なモデルを持つと考えられる場合, 評価政策が堅牢な性能を示すという新たな知見を提示する。
論文 参考訳(メタデータ) (2023-09-15T17:37:09Z) - Composed Image Retrieval with Text Feedback via Multi-grained
Uncertainty Regularization [73.04187954213471]
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、強いベースラインに対して+4.03%、+3.38%、+2.40%のRecall@50精度を達成した。
論文 参考訳(メタデータ) (2022-11-14T14:25:40Z) - Planning with Diffusion for Flexible Behavior Synthesis [125.24438991142573]
我々は、できるだけ多くの軌道最適化パイプラインをモデリング問題に折り畳むことがどう見えるか検討する。
我々の技術的アプローチの核心は、軌道を反復的にデノベーションすることで計画する拡散確率モデルにある。
論文 参考訳(メタデータ) (2022-05-20T07:02:03Z) - Evaluating Bayesian Model Visualisations [0.39845810840390733]
確率モデルは、最終的に人々が下した幅広いビジネスおよび政策決定を知らせる。
近年のアルゴリズム,計算,ソフトウェアフレームワークの開発はベイズ確率モデルの普及を促進する。
意思決定者は複雑なクエリを探索し、理論上はWhat-if-style条件付けを行うことができるが、不確実性の下でユーザの理解と合理的な意思決定を最大化するためには、適切な視覚化と対話ツールが必要である。
論文 参考訳(メタデータ) (2022-01-10T19:15:39Z) - Attentional Prototype Inference for Few-Shot Segmentation [128.45753577331422]
数発のセグメンテーションのための確率的潜在変数フレームワークである注意型プロトタイプ推論(API)を提案する。
我々は各オブジェクトカテゴリのプロトタイプを表現するためにグローバル潜在変数を定義し、確率分布としてモデル化する。
我々は4つのベンチマークで広範な実験を行い、提案手法は最先端のプロトタイプベースの手法よりも、少なくとも競争力があり、しばしば優れた性能が得られる。
論文 参考訳(メタデータ) (2021-05-14T06:58:44Z) - Modal Uncertainty Estimation via Discrete Latent Representation [4.246061945756033]
本稿では,インプットとアウトプットの1対1マッピングを,忠実な不確実性対策とともに学習するディープラーニングフレームワークを提案する。
我々のフレームワークは、現在の最先端手法よりもはるかに正確な不確実性推定を実証している。
論文 参考訳(メタデータ) (2020-07-25T05:29:34Z) - Amortized Bayesian model comparison with evidential deep learning [0.12314765641075436]
本稿では,専門的なディープラーニングアーキテクチャを用いたベイズモデルの比較手法を提案する。
提案手法は純粋にシミュレーションベースであり,観測された各データセットに対して,すべての代替モデルを明示的に適合させるステップを回避している。
提案手法は,本研究で検討した事例に対して,精度,キャリブレーション,効率の点で優れた結果が得られることを示す。
論文 参考訳(メタデータ) (2020-04-22T15:15:46Z)
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。