Fugu-MT 論文翻訳(概要): Sequential inductive prediction intervals

論文の概要: Sequential inductive prediction intervals

arxiv url: http://arxiv.org/abs/2312.04950v1
Date: Fri, 8 Dec 2023 10:28:55 GMT
ステータス: 処理完了
システム内更新日: 2023-12-11 15:23:54.446105
Title: Sequential inductive prediction intervals
Title（参考訳）: 逐次帰納予測間隔
Authors: Benny Avelin
Abstract要約: 逐次検定理論を用いた逐次帰納的予測区間の概念について検討する。予測区間の3パラメータPAC定義を導入し,確率の高いほぼシャープな境界をシミュレーションにより実現した。
参考スコア（独自算出の注目度）: 1.90365714903665
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: In this paper we explore the concept of sequential inductive prediction intervals using theory from sequential testing. We furthermore introduce a 3-parameter PAC definition of prediction intervals that allows us via simulation to achieve almost sharp bounds with high probability.
Abstract（参考訳）: 本稿では,逐次テストからの理論を用いて,逐次帰納的予測間隔の概念を考察する。さらに、予測区間の3パラメータPAC定義を導入し、シミュレーションにより高い確率でほぼシャープな境界を達成できるようにする。

関連論文リスト

Conformal Prediction for Hierarchical Data [5.580128181112309]
コンフォーマル予測と予測再構成を組み合わせた第1ステップを提案する。予測セットの効率を向上しつつ,SCPが付与した妥当性が保たれていることを示す。
論文参考訳（メタデータ） (2024-11-20T17:26:26Z)
Exploiting Diffusion Prior for Generalizable Dense Prediction [85.4563592053464]
近年のテキスト・トゥ・イメージ(T2I)拡散モデルでは、既成の高密度予測器では予測できないことがある。我々は,事前学習したT2Iモデルを用いたパイプラインDMPを,高密度予測タスクの先駆けとして導入する。限られたドメインのトレーニングデータにもかかわらず、この手法は任意の画像に対して忠実に推定し、既存の最先端のアルゴリズムを超越する。
論文参考訳（メタデータ） (2023-11-30T18:59:44Z)
Variational Prediction [95.00085314353436]
本稿では,変動境界を用いた後部予測分布に対する変動近似の学習手法を提案する。このアプローチは、テスト時間の限界化コストを伴わずに、優れた予測分布を提供することができる。
論文参考訳（メタデータ） (2023-07-14T18:19:31Z)
Ensembled Prediction Intervals for Causal Outcomes Under Hidden Confounding [49.1865229301561]
本稿では,既存の因果感受性モデルを用いた部分同定手法を提案し,Caus-Modensがより厳密な結果区間を与えることを示す。 3つの異なるベンチマークのうち最後のものは、未知だが探究可能な基底真理を持つ観測実験にGPT-4を新たに使用することである。
論文参考訳（メタデータ） (2023-06-15T21:42:40Z)
Sequential Predictive Conformal Inference for Time Series [16.38369532102931]
逐次データ(例えば時系列)に対する分布自由共形予測アルゴリズムを提案する。具体的には,時系列データは交換不可能であり,既存の共形予測アルゴリズムでは適用できない性質を具体的に説明する。
論文参考訳（メタデータ） (2022-12-07T05:07:27Z)
Predictive Inference with Feature Conformal Prediction [80.77443423828315]
本稿では,特徴空間への共形予測の範囲を拡大する特徴共形予測を提案する。理論的観点からは、特徴共形予測は軽度の仮定の下で正則共形予測よりも確実に優れていることを示す。提案手法は,バニラ共形予測だけでなく,他の適応共形予測手法と組み合わせることができる。
論文参考訳（メタデータ） (2022-10-01T02:57:37Z)
Overlooked Poses Actually Make Sense: Distilling Privileged Knowledge for Human Motion Prediction [26.25110973770013]
人間の動作予測に関するこれまでの研究は、観測されたシーケンスと予測されるシーケンスの間のマッピング関係を構築するパターンに従っている。本稿では,従来見過ごされていた人間のポーズを導入し,予測タスクを実装した新しい予測パターンを提案する。これらのポーズは予測シーケンスの後に存在し、特権シーケンスを形成する。
論文参考訳（メタデータ） (2022-08-02T08:13:43Z)
Probabilistic Conformal Prediction Using Conditional Random Samples [73.26753677005331]
PCPは、不連続な予測セットによって対象変数を推定する予測推論アルゴリズムである。効率的で、明示的または暗黙的な条件生成モデルと互換性がある。
論文参考訳（メタデータ） (2022-06-14T03:58:03Z)
Interpretable Machines: Constructing Valid Prediction Intervals with Random Forests [0.0]
最近の研究で機械学習アルゴリズムを使用する場合の重要な問題は、解釈能力の欠如です。 Random Forest Regression Learnerのこのギャップへの貢献について紹介します。いくつかのパラメトリックおよび非パラメトリック予測区間がランダムフォレスト点予測のために提供される。モンテカルロシミュレーションによる徹底的な調査を行い,提案手法の性能を評価した。
論文参考訳（メタデータ） (2021-03-09T23:05:55Z)
Learning Interpretable Deep State Space Model for Probabilistic Time Series Forecasting [98.57851612518758]
確率的時系列予測は、その歴史に基づいて将来の分布を推定する。本稿では,非線形エミッションモデルと遷移モデルとをネットワークによってパラメータ化した,確率的時系列予測のための深部状態空間モデルを提案する。実験では,我々のモデルが正確かつ鋭い確率予測を生成することを示す。
論文参考訳（メタデータ） (2021-01-31T06:49:33Z)
Equivariant online predictions of non-stationary time series [0.0]
モデル不特定条件下での統計的手法の理論的予測特性を解析する。ランダムウォーク・ダイナミック・リニア・モデル(ランダムウォーク・ダイナミック・リニア・モデル)の特定のクラスが、正確なミニマックス予測密度を生成することを示す。
論文参考訳（メタデータ） (2019-11-20T01:46:24Z)

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。