論文の概要: Early Time Classification with Accumulated Accuracy Gap Control

• arxiv url: http://arxiv.org/abs/2402.00857v1
• Date: Thu, 1 Feb 2024 18:54:34 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-02 13:49:36.986727
• Title: Early Time Classification with Accumulated Accuracy Gap Control
• Title（参考訳）: 累積精度ギャップ制御による初期時間分類
• Authors: Liran Ringel, Regev Cohen, Daniel Freedman, Michael Elad, Yaniv Romano
• Abstract要約: 早期分類アルゴリズムは、完全な入力ストリームを処理することなく、機能のストリームをラベル付けすることを目的としている。 我々は,任意の逐次分類器に適用可能な統計フレームワークを導入し,校正停止規則を定式化する。 提案した早期停止機構は,厳密な精度のギャップ制御を達成しつつ,分類に使用される時間ステップの最大94%を削減できることを示す。
• 参考スコア（独自算出の注目度）: 34.77841988415891
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Early time classification algorithms aim to label a stream of features without processing the full input stream, while maintaining accuracy comparable to that achieved by applying the classifier to the entire input. In this paper, we introduce a statistical framework that can be applied to any sequential classifier, formulating a calibrated stopping rule. This data-driven rule attains finite-sample, distribution-free control of the accuracy gap between full and early-time classification. We start by presenting a novel method that builds on the Learn-then-Test calibration framework to control this gap marginally, on average over i.i.d. instances. As this algorithm tends to yield an excessively high accuracy gap for early halt times, our main contribution is the proposal of a framework that controls a stronger notion of error, where the accuracy gap is controlled conditionally on the accumulated halt times. Numerical experiments demonstrate the effectiveness, applicability, and usefulness of our method. We show that our proposed early stopping mechanism reduces up to 94% of timesteps used for classification while achieving rigorous accuracy gap control.
• Abstract（参考訳）: 早期の分類アルゴリズムは、全入力ストリームを処理せずに機能のストリームをラベル付けすることを目的としており、入力全体に分類器を適用することで達成されたものと同等の精度を維持している。 本稿では,任意のシーケンシャル分類器に適用可能な統計的枠組みを導入し,校正停止規則を定式化する。 このデータ駆動型ルールは、フルタイム分類と早期分類の精度ギャップを有限サンプル、分散フリーで制御する。 まず,learn-then-test キャリブレーションフレームワークに基づく新しい手法を示し,そのギャップを平均的に i.i.d. インスタンスで制御する。 このアルゴリズムは、初期停止時間において過度に高い精度ギャップを生じる傾向があるため、本手法の主な貢献は、蓄積停止時間に基づいて精度ギャップを条件付きで制御するより強いエラー概念を制御するフレームワークの提案である。 数値実験により,本手法の有効性,適用性,有用性を示す。 提案する早期停止機構は,厳密な精度のギャップ制御を実現しつつ,分類に使用する時間ステップの最大94%を削減できることを示す。

関連論文リスト

• Acquiring Better Load Estimates by Combining Anomaly and Change Point Detection in Power Grid Time-series Measurements [0.49478969093606673]
  提案手法は,可視データに対する堅牢かつ一般化可能な性能を確保しつつ,解釈可能性の優先順位付けを行う。 その結果, 濾過が適用されない場合に, 洗浄電位が明らかになることが示唆された。 我々の方法論の解釈可能性によって、重要なインフラ計画に特に適しています。
  論文  参考訳（メタデータ） (2024-05-25T10:15:51Z)
• An Adaptive Method for Weak Supervision with Drifting Data [11.035811912078216]
  非定常的な環境では,厳格な品質保証を施した適応手法を導入する。 我々は、弱い監督源の精度が時間とともにドリフトできる非定常的なケースに焦点を当てる。 我々のアルゴリズムはドリフトの大きさに関する仮定を一切必要とせず、入力に基づいて適応する。
  論文  参考訳（メタデータ） (2023-06-02T16:27:34Z)
• Context-Aware Selective Label Smoothing for Calibrating Sequence Recognition Model [16.7796720078021]
  逐次データを校正するための文脈対応選択ラベル平滑化法(CASLS)を提案する。 シーンテキスト認識や音声認識などのシーケンス認識タスクの結果は,本手法が最先端の性能を達成できることを実証している。
  論文  参考訳（メタデータ） (2023-03-13T09:27:52Z)
• Improving Adaptive Conformal Prediction Using Self-Supervised Learning [72.2614468437919]
  我々は、既存の予測モデルの上に自己教師付きプレテキストタスクを持つ補助モデルを訓練し、自己教師付きエラーを付加的な特徴として用いて、非整合性スコアを推定する。 合成データと実データの両方を用いて、効率(幅)、欠陥、共形予測間隔の超過といった付加情報の利点を実証的に実証する。
  論文  参考訳（メタデータ） (2023-02-23T18:57:14Z)
• Adapting to Continuous Covariate Shift via Online Density Ratio Estimation [64.8027122329609]
  分散シフトへの対処は、現代の機械学習における中心的な課題の1つだ。 歴史的情報を適切に再利用するオンライン手法を提案する。 我々の密度比推定法は, ダイナミックなリセットバウンドを楽しむことにより, 良好に動作できることが証明された。
  論文  参考訳（メタデータ） (2023-02-06T04:03:33Z)
• Conformal inference is (almost) free for neural networks trained with early stopping [1.2891210250935146]
  ホールドアウトデータに基づく早期停止は、ニューラルネットワークの過度な適合を緩和し、予測精度を高めるために設計された一般的な正規化技術である。 本稿では, 早期停止とコンフォメーションキャリブレーションを併用し, 同じ保持データを効率よく再利用する手法を提案する。
  論文  参考訳（メタデータ） (2023-01-27T06:43:07Z)
• Sample-dependent Adaptive Temperature Scaling for Improved Calibration [95.7477042886242]
  ニューラルネットワークの誤りを補うポストホックアプローチは、温度スケーリングを実行することだ。 入力毎に異なる温度値を予測し、信頼度と精度のミスマッチを調整することを提案する。 CIFAR10/100およびTiny-ImageNetデータセットを用いて,ResNet50およびWideResNet28-10アーキテクチャ上で本手法をテストする。
  論文  参考訳（メタデータ） (2022-07-13T14:13:49Z)
• Investigation of Different Calibration Methods for Deep Speaker Embedding based Verification Systems [66.61691401921296]
  本稿では, ディープスピーカ埋込抽出器のスコアキャリブレーション法について検討する。 この研究のさらなる焦点は、スコア正規化がシステムの校正性能に与える影響を推定することである。
  論文  参考訳（メタデータ） (2022-03-28T21:22:22Z)
• Learning Prediction Intervals for Regression: Generalization and Calibration [12.576284277353606]
  不確実性定量のための回帰における予測間隔の生成について検討する。 我々は一般学習理論を用いて、リプシッツ連続性とVC-サブグラフクラスを含む最適性と実現可能性のトレードオフを特徴づける。 我々は既存のベンチマークと比べてテスト性能の点で、区間生成とキャリブレーションアルゴリズムの強みを実証的に示している。
  論文  参考訳（メタデータ） (2021-02-26T17:55:30Z)
• Pre-training Is (Almost) All You Need: An Application to Commonsense Reasoning [61.32992639292889]
  事前学習されたトランスモデルの微調整は、一般的なNLPタスクを解決するための標準的なアプローチとなっている。 そこで本研究では,可視性ランキングタスクをフルテキスト形式でキャストする新たなスコアリング手法を提案する。 提案手法は, ランダム再起動にまたがって, より安定した学習段階を提供することを示す。
  論文  参考訳（メタデータ） (2020-04-29T10:54:40Z)

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。