Fugu-MT 論文翻訳(概要): Single Trajectory Conformal Prediction

論文の概要: Single Trajectory Conformal Prediction

arxiv url: http://arxiv.org/abs/2406.01570v1
Date: Mon, 3 Jun 2024 17:51:33 GMT
ステータス: 処理完了
システム内更新日: 2024-06-05 21:51:15.511092
Title: Single Trajectory Conformal Prediction
Title（参考訳）: 単軌道コンフォーマル予測
Authors: Brian Lee, Nikolai Matni,
Abstract要約: リスク制御予測セット(RCPS)の性能について検討する。我々は,このブロッキング手法を用いて,RCPS が iid 設定で楽しむような性能保証を実現することを示す。オンラインおよびオフラインの共形予測アルゴリズムを統一的に分析するために、これらのツールをどのように使用できるのかを議論することで締めくくった。
参考スコア（独自算出の注目度）: 6.216939610302176
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We study the performance of risk-controlling prediction sets (RCPS), an empirical risk minimization-based formulation of conformal prediction, with a single trajectory of temporally correlated data from an unknown stochastic dynamical system. First, we use the blocking technique to show that RCPS attains performance guarantees similar to those enjoyed in the iid setting whenever data is generated by asymptotically stationary and contractive dynamics. Next, we use the decoupling technique to characterize the graceful degradation in RCPS guarantees when the data generating process deviates from stationarity and contractivity. We conclude by discussing how these tools could be used toward a unified analysis of online and offline conformal prediction algorithms, which are currently treated with very different tools.
Abstract（参考訳）: 本研究では, リスク制御予測セット(RCPS)の性能について, 確率力学系からの時間的相関データの単一軌跡を用いて, 共形予測を最小化する実験的リスク最小化法について検討した。まず, このブロッキング手法を用いて, RCPS が, 漸近的定常・収縮的ダイナミクスによってデータを生成する場合に, iid 設定で楽しむような性能保証を実現することを示す。次に,データ生成プロセスが定常性や収縮性から逸脱した場合に,RCPSの優雅な劣化を特徴付けるためにデカップリング手法を用いる。我々は、これらのツールがオンラインとオフラインの共形予測アルゴリズムの統一的な分析にどのように使えるのかを議論することで締めくくった。

関連論文リスト

Ranking and Combining Latent Structured Predictive Scores without Labeled Data [2.5064967708371553]
本稿では,新しい教師なしアンサンブル学習モデル(SUEL)を提案する。連続的な予測スコアを持つ予測器のセット間の依存関係を利用して、ラベル付きデータなしで予測器をランク付けし、それらをアンサンブルされたスコアに重み付けする。提案手法の有効性は、シミュレーション研究とリスク遺伝子発見の現実的応用の両方を通じて厳密に評価されている。
論文参考訳（メタデータ） (2024-08-14T20:14:42Z)
Statistical Reachability Analysis of Stochastic Cyber-Physical Systems under Distribution Shift [0.061446808540639365]
到達可能性分析は、サイバー物理システムの安全性を保証する一般的な方法である。本稿では,力学の記号的記述を持たないSCPSに対して,到達可能性解析を行う際の問題点について検討する。本稿では,このしきい値よりも小さい確率で,展開中の到達可能な状態がこのセットに存在することを保証する統計的到達可能性解析手法を提案する。
論文参考訳（メタデータ） (2024-07-16T11:18:41Z)
The Significance of Latent Data Divergence in Predicting System Degradation [1.2058600649065616]
条件ベースのメンテナンスは、エンジニアリングシステムにおける潜在的な障害を早期に検出する上で、重要である。本稿では,システムコンポーネントの潜在データ内における統計的類似性の分析を基礎とした新しい手法を提案する。システム間の類似性は、これらの先行の相違を評価し、個々のシステム行動の微妙な理解を提供することによって推測する。
論文参考訳（メタデータ） (2024-06-13T11:41:20Z)
Geometry-Aware Instrumental Variable Regression [56.16884466478886]
本稿では,データ導出情報によるデータ多様体の幾何を考慮した移動型IV推定器を提案する。本手法のプラグイン・アンド・プレイ実装は,標準設定で関連する推定器と同等に動作する。
論文参考訳（メタデータ） (2024-05-19T17:49:33Z)
Prediction of rare events in the operation of household equipment using co-evolving time series [1.1249583407496218]
我々のアプローチは、データの時間的挙動を利用して予測能力を向上する重み付き自己回帰モデルである。合成および実世界のデータセットの評価は、我々の手法が家庭機器の故障予測手法よりも優れていることを裏付けている。
論文参考訳（メタデータ） (2023-12-15T00:21:00Z)
A peridynamic-informed deep learning model for brittle damage prediction [0.0]
熱力学的(PD)理論をPINNと組み合わせた新しい手法を提案し, 脆性材料における準静的損傷とき裂伝播を予測する。提案したPD-INNは、異なる幾何学的パラメータに関連する複雑な変位パターンを学習し、捉えることができる。
論文参考訳（メタデータ） (2023-10-02T17:12:20Z)
Provable Guarantees for Generative Behavior Cloning: Bridging Low-Level Stability and High-Level Behavior [51.60683890503293]
生成モデルを用いた複雑な専門家による実演の行動クローニングに関する理論的枠組みを提案する。任意の専門的軌跡の時間ごとのステップ分布に一致するトラジェクトリを生成することができることを示す。
論文参考訳（メタデータ） (2023-07-27T04:27:26Z)
Self-Certifying Classification by Linearized Deep Assignment [65.0100925582087]
そこで我々は,PAC-Bayesリスク認定パラダイム内で,グラフ上のメトリックデータを分類するための新しい深層予測器のクラスを提案する。 PAC-Bayesの最近の文献とデータに依存した先行研究に基づいて、この手法は仮説空間上の後続分布の学習を可能にする。
論文参考訳（メタデータ） (2022-01-26T19:59:14Z)
DEALIO: Data-Efficient Adversarial Learning for Imitation from Observation [57.358212277226315]
観察ifoからの模倣学習において、学習エージェントは、実演者の生成した制御信号にアクセスせずに、実演行動の観察のみを用いて実演エージェントを模倣しようとする。近年、逆模倣学習に基づく手法は、ifO問題に対する最先端のパフォーマンスをもたらすが、データ非効率でモデルなしの強化学習アルゴリズムに依存するため、サンプルの複雑さに悩まされることが多い。この問題は、サンプルの収集が時間、エネルギー、およびリスクの面で高いコストを被る可能性がある現実世界の設定に展開することは非現実的です。よりデータ効率の高いifOアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-03-31T23:46:32Z)
Incorporating Causal Graphical Prior Knowledge into Predictive Modeling via Simple Data Augmentation [92.96204497841032]
因果グラフ(CG)は、データ分散の背後にあるデータ生成プロセスの知識のコンパクトな表現である。本研究では,条件付き独立性(CI)関係の事前知識を活用可能なモデルに依存しないデータ拡張手法を提案する。本手法は,小データシステムにおける予測精度の向上に有効であることを実験的に示した。
論文参考訳（メタデータ） (2021-02-27T06:13:59Z)
Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。電力グリッドからの負荷データを用いたテストケースの結果が提示される。
論文参考訳（メタデータ） (2020-10-08T20:25:52Z)

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。