論文の概要: Affine Invariant Ensemble Transform Methods to Improve Predictive
Uncertainty in ReLU Networks
- arxiv url: http://arxiv.org/abs/2309.04742v1
- Date: Sat, 9 Sep 2023 10:01:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-12 16:36:03.127803
- Title: Affine Invariant Ensemble Transform Methods to Improve Predictive
Uncertainty in ReLU Networks
- Title(参考訳): ReLUネットワークにおける予測不確かさを改善するアフィン不変アンサンブル変換法
- Authors: Diksha Bhandari, Jakiw Pidstrigach, Sebastian Reich
- Abstract要約: 我々は、アンサンブルカルマンフィルタの適切な拡張を用いて、ロジスティック回帰のためのベイズ推定を行う問題を考察する。
2つの相互作用粒子系が、近似した後方からのサンプルを提案し、相互作用粒子系の定量的収束速度を平均場限界に証明した。
- 参考スコア(独自算出の注目度): 4.342241136871849
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We consider the problem of performing Bayesian inference for logistic
regression using appropriate extensions of the ensemble Kalman filter. Two
interacting particle systems are proposed that sample from an approximate
posterior and prove quantitative convergence rates of these interacting
particle systems to their mean-field limit as the number of particles tends to
infinity. Furthermore, we apply these techniques and examine their
effectiveness as methods of Bayesian approximation for quantifying predictive
uncertainty in ReLU networks.
- Abstract(参考訳): 本稿では,アンサンブルカルマンフィルタの適切な拡張を用いて,ロジスティック回帰に対するベイズ推定を行う問題を考える。
2つの相互作用する粒子系は、近似的な後方からサンプルを抽出し、粒子の数が無限になるにつれて、相互作用する粒子系の量的収束率を平均場限界まで証明することを提案している。
さらに,これらの手法を適用し,ReLUネットワークにおける予測不確実性を定量化するためのベイズ近似の手法としての有効性を検討する。
関連論文リスト
- 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) - Nonparametric Quantile Regression: Non-Crossing Constraints and
Conformal Prediction [2.654399717608053]
本稿では,線形単位ペナルティ関数を補正したディープニューラルネットワークを用いた非パラメトリック量子レグレッション法を提案し,量子交差を回避する。
提案した非パラメトリック量子化回帰関数推定器の過剰リスクに対する非漸近上界を確立する。
シミュレーション研究と実データ例を含む数値実験を行い,提案手法の有効性を実証した。
論文 参考訳(メタデータ) (2022-10-18T20:59:48Z) - Efficient CDF Approximations for Normalizing Flows [64.60846767084877]
正規化フローの微分同相性に基づいて、閉領域上の累積分布関数(CDF)を推定する。
一般的なフローアーキテクチャとUCIデータセットに関する実験は,従来の推定器と比較して,サンプル効率が著しく向上したことを示している。
論文 参考訳(メタデータ) (2022-02-23T06:11:49Z) - Sampling-free Variational Inference for Neural Networks with
Multiplicative Activation Noise [51.080620762639434]
サンプリングフリー変動推論のための後方近似のより効率的なパラメータ化を提案する。
提案手法は,標準回帰問題に対する競合的な結果をもたらし,大規模画像分類タスクに適している。
論文 参考訳(メタデータ) (2021-03-15T16:16:18Z) - Determination of the critical exponents in dissipative phase
transitions: Coherent anomaly approach [51.819912248960804]
オープン量子多体系の定常状態に存在する相転移の臨界指数を抽出するコヒーレント異常法の一般化を提案する。
論文 参考訳(メタデータ) (2021-03-12T13:16:18Z) - Quantum backflow in the presence of a purely transmitting defect [91.3755431537592]
量子バックフロー効果を解析し、散乱状況に対する空間的制約として拡張する。
我々はその分析を保存法に適合させる。
論文 参考訳(メタデータ) (2020-07-14T22:59:25Z) - Nonparametric Score Estimators [49.42469547970041]
未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。
正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。
カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
論文 参考訳(メタデータ) (2020-05-20T15:01:03Z) - Composing Normalizing Flows for Inverse Problems [89.06155049265641]
本稿では,2つの流れモデルの合成として,対象条件を推定する近似推論フレームワークを提案する。
本手法は,様々な逆問題に対して評価し,不確実性のある高品質な試料を作製することを示した。
論文 参考訳(メタデータ) (2020-02-26T19:01:11Z) - Convergence analysis of particle swarm optimization using stochastic
Lyapunov functions and quantifier elimination [0.0]
我々は、量化子除去によって設定された収束を決定するためにリアプノフ関数を用いる。
提案手法は, PSO に対する既知安定領域の再評価と拡張につながることを示す。
論文 参考訳(メタデータ) (2020-02-05T07:47:07Z) - Towards a Kernel based Uncertainty Decomposition Framework for Data and
Models [20.348825818435767]
本稿では,データとモデルの両方において予測の不確実性を定量化する新しいフレームワークを提案する。
我々は,このフレームワークを,点予測ニューラルネットワークモデルの予測不確実性定量化のためのサロゲートツールとして応用する。
論文 参考訳(メタデータ) (2020-01-30T18:35:36Z)
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。