論文の概要: Treatment of Epistemic Uncertainty in Conjunction Analysis with
Dempster-Shafer Theory
- arxiv url: http://arxiv.org/abs/2402.00060v2
- Date: Tue, 13 Feb 2024 18:06:21 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-14 18:16:26.648303
- Title: Treatment of Epistemic Uncertainty in Conjunction Analysis with
Dempster-Shafer Theory
- Title（参考訳）: Dempster-Shafer理論を用いた結節解析におけるてんかん不確かさの治療
- Authors: Luis Sanchez and Massimiliano Vasile and Silvia Sanvido and Klaus
Mertz and Christophe Taillan
- Abstract要約: 本稿では,CDM(Conjunction Data Messages)における不確実性のモデル化手法を提案する。
本論文では,欧州宇宙機関のアプローチよりも,分類体系がより保守的であることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The paper presents an approach to the modelling of epistemic uncertainty in
Conjunction Data Messages (CDM) and the classification of conjunction events
according to the confidence in the probability of collision. The approach
proposed in this paper is based on the Dempster-Shafer Theory (DSt) of evidence
and starts from the assumption that the observed CDMs are drawn from a family
of unknown distributions. The Dvoretzky-Kiefer-Wolfowitz (DKW) inequality is
used to construct robust bounds on such a family of unknown distributions
starting from a time series of CDMs. A DSt structure is then derived from the
probability boxes constructed with DKW inequality. The DSt structure
encapsulates the uncertainty in the CDMs at every point along the time series
and allows the computation of the belief and plausibility in the realisation of
a given probability of collision. The methodology proposed in this paper is
tested on a number of real events and compared against existing practices in
the European and French Space Agencies. We will show that the classification
system proposed in this paper is more conservative than the approach taken by
the European Space Agency but provides an added quantification of uncertainty
in the probability of collision.
- Abstract（参考訳）: 本稿では,CDM(Conjunction Data Messages)におけるてんかん不確実性のモデル化と,衝突の確率に対する信頼度に応じた協調事象の分類について述べる。
本論文で提案するアプローチは,デンプスター・シェーファー理論(dst)に基づき,観察されたcdmが未知の分布の族から引き出されるという仮定から始まったものである。
dvoetzky-kiefer-wolfowitz(dkw)の不等式は、cdmの時系列から始まった未知の分布の族上の強固な境界を構築するために用いられる。
DSt構造は、DKWの不等式で構築された確率ボックスから導出される。
DSt構造は、時系列に沿った各点におけるCDMの不確実性をカプセル化し、与えられた衝突確率の実現における信念と妥当性の計算を可能にする。
本稿で提案する方法論は,多くの実イベントにおいて検証され,欧州宇宙機関とフランス宇宙機関の既存プラクティスと比較される。
本論文では,欧州宇宙機関が行ったアプローチよりも,より保守的な分類システムを示すとともに,衝突の確率における不確実性の定量化について述べる。
関連論文リスト
- Rectified Diffusion Guidance for Conditional Generation [62.00207951161297]
CFGの背後にある理論を再検討し、組合せ係数の不適切な構成(すなわち、広く使われている和対1バージョン)が生成分布の期待シフトをもたらすことを厳密に確認する。
本稿では,誘導係数を緩和したReCFGを提案する。
このようにして、修正された係数は観測されたデータをトラバースすることで容易に事前計算でき、サンプリング速度はほとんど影響を受けない。
論文 参考訳（メタデータ） (2024-10-24T13:41:32Z) - Conformal Predictive Systems Under Covariate Shift [2.9310590399782788]
Conformal Predictive Systems (CPS) は予測分布を構築するための汎用的なフレームワークを提供する。
重み付きCPS(重み付きコンフォーマル予測)を提案する。
本稿ではWCPSの有効性と有効性に関する理論的根拠と予想について述べる。
論文 参考訳（メタデータ） (2024-04-23T13:23:27Z) - Predicting the Probability of Collision of a Satellite with Space
Debris: A Bayesian Machine Learning Approach [0.0]
宇宙は、宇宙活動の増大により、ローアース軌道でさらに混雑している。
定期的な運用の一環として衝突回避を検討する必要性は、衛星運用者にとって明らかである。
現在の手順は、人間アナリストによる多重衝突警告の分析に依存している。
論文 参考訳（メタデータ） (2023-11-17T16:41:35Z) - Prototype-based Aleatoric Uncertainty Quantification for Cross-modal
Retrieval [139.21955930418815]
クロスモーダル検索手法は、共通表現空間を共同学習することにより、視覚と言語モダリティの類似性関係を構築する。
しかし、この予測は、低品質なデータ、例えば、腐敗した画像、速いペースの動画、詳細でないテキストによって引き起こされるアレタリック不確実性のために、しばしば信頼性が低い。
本稿では, 原型に基づくAleatoric Uncertainity Quantification (PAU) フレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-29T09:41:19Z) - Answering Causal Queries at Layer 3 with DiscoSCMs-Embracing
Heterogeneity [0.0]
本稿では, 分散一貫性構造因果モデル (DiscoSCM) フレームワークを, 反事実推論の先駆的アプローチとして提唱する。
論文 参考訳（メタデータ） (2023-09-17T17:01:05Z) - Targeted Separation and Convergence with Kernel Discrepancies [61.973643031360254]
カーネルベースの不一致測度は、(i)ターゲットPを他の確率測度から分離するか、(ii)Pへの弱収束を制御する必要がある。
本稿では, (i) と (ii) を保証するのに十分な,必要な新しい条件を導出する。
可分距離空間上のMDDに対して、ボヒナー埋め込み可測度を分離するカーネルを特徴づけ、すべての測度を非有界カーネルと分離するための単純な条件を導入する。
論文 参考訳（メタデータ） (2022-09-26T16:41:16Z) - Excess risk analysis for epistemic uncertainty with application to
variational inference [110.4676591819618]
我々は、未知の分布からデータが生成される頻繁なセッティングにおいて、新しいEU分析を提示する。
一般化能力と、予測分布の分散やエントロピーなど、広く使用されているEUの測定値との関係を示す。
本研究では,PAC-ベイジアン理論に基づく予測とEU評価性能を直接制御する新しい変分推論を提案する。
論文 参考訳（メタデータ） (2022-06-02T12:12:24Z) - Cycle Consistent Probability Divergences Across Different Spaces [38.43511529063335]
確率分布の相違は、統計的推測と機械学習の核心にある。
本研究は, 異方性, 異方性, 異方性, 異なる空間上の分布をマッチングするための, アンバランスなモンジュ最適輸送定式化を提案する。
論文 参考訳（メタデータ） (2021-11-22T16:35:58Z) - A Unified Joint Maximum Mean Discrepancy for Domain Adaptation [73.44809425486767]
本論文は,最適化が容易なjmmdの統一形式を理論的に導出する。
統合JMMDから、JMMDは分類に有利な特徴ラベル依存を低下させることを示す。
本稿では,その依存を促進する新たなmmd行列を提案し,ラベル分布シフトにロバストな新しいラベルカーネルを考案する。
論文 参考訳（メタデータ） (2021-01-25T09:46:14Z) - Trust but Verify: Assigning Prediction Credibility by Counterfactual
Constrained Learning [123.3472310767721]
予測信頼性尺度は統計学と機械学習において基本的なものである。
これらの措置は、実際に使用される多種多様なモデルを考慮に入れるべきである。
この研究で開発されたフレームワークは、リスクフィットのトレードオフとして信頼性を表現している。
論文 参考訳（メタデータ） (2020-11-24T19:52:38Z)
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。