Fugu-MT 論文翻訳(概要): Conditional Bayesian Quadrature

論文の概要: Conditional Bayesian Quadrature

arxiv url: http://arxiv.org/abs/2406.16530v1
Date: Mon, 24 Jun 2024 11:09:08 GMT
ステータス: 処理完了
システム内更新日: 2024-06-25 15:14:19.619730
Title: Conditional Bayesian Quadrature
Title（参考訳）: Conditional Bayesian Quadrature
Authors: Zonghao Chen, Masha Naslidnyk, Arthur Gretton, François-Xavier Briol,
Abstract要約: 本稿では,サンプルの取得やインテグレードの評価にコストがかかる状況において,条件付きあるいはパラメトリックな予測を推定するための新しい手法を提案する。我々のアプローチは不確実性を定量化する方法を提供し、高速収束率をもたらす。
参考スコア（独自算出の注目度）: 22.830385609965003
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: We propose a novel approach for estimating conditional or parametric expectations in the setting where obtaining samples or evaluating integrands is costly. Through the framework of probabilistic numerical methods (such as Bayesian quadrature), our novel approach allows to incorporates prior information about the integrands especially the prior smoothness knowledge about the integrands and the conditional expectation. As a result, our approach provides a way of quantifying uncertainty and leads to a fast convergence rate, which is confirmed both theoretically and empirically on challenging tasks in Bayesian sensitivity analysis, computational finance and decision making under uncertainty.
Abstract（参考訳）: 本稿では,サンプルの取得やインテグレードの評価にコストがかかる状況において,条件付きあるいはパラメトリックな予測を推定するための新しい手法を提案する。ベイズ二次法のような確率的数値法(英語版)の枠組みにより、我々の新しい手法は積分子に関する事前情報、特に積分子に関する以前の滑らかさの知識と条件予測を組み込むことができる。その結果,提案手法は不確実性を定量化し,ベイズ感度分析,計算ファイナンス,不確実性に基づく意思決定における課題について理論的および実験的に検証し,迅速な収束率をもたらす。

関連論文リスト

Cautious Calibration in Binary Classification [1.6954767541769011]
慎重であることは、機械学習システムの信頼性を高めるために不可欠である。リスクの高いシナリオでは、予測される各確率が不信に傾くことが重要です。本研究では,二項分類における慎重な校正という新しい概念を紹介する。
論文参考訳（メタデータ） (2024-08-09T15:19:40Z)
Bayesian meta learning for trustworthy uncertainty quantification [3.683202928838613]
ベイズメタ学習のための新しい最適化フレームワークであるTrust-Bayesを提案する。所定間隔で捕捉される基底真理の確率の低い境界を特徴付ける。我々は、信頼に値する不確実性定量化の可能な確率について、サンプルの複雑さを解析する。
論文参考訳（メタデータ） (2024-07-27T15:56:12Z)
Probabilistic Conformal Prediction with Approximate Conditional Validity [81.30551968980143]
本研究では,共形手法の柔軟性と条件分布の推定を組み合わせ,予測セットを生成する手法を開発した。我々の手法は、条件付きカバレッジの観点から既存の手法よりも一貫して優れています。
論文参考訳（メタデータ） (2024-07-01T20:44:48Z)
Model-Based Epistemic Variance of Values for Risk-Aware Policy Optimization [59.758009422067]
モデルベース強化学習における累積報酬に対する不確実性を定量化する問題を考察する。我々は、解が値の真後分散に収束する新しい不確実性ベルマン方程式(UBE)を提案する。本稿では,リスク・サーキングとリスク・アバース・ポリシー最適化のいずれにも適用可能な汎用ポリシー最適化アルゴリズムQ-Uncertainty Soft Actor-Critic (QU-SAC)を導入する。
論文参考訳（メタデータ） (2023-12-07T15:55:58Z)
Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。本手法は, 精度の高い問題に特に適している。提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
論文参考訳（メタデータ） (2023-11-08T00:10:21Z)
Score Matching-based Pseudolikelihood Estimation of Neural Marked Spatio-Temporal Point Process with Uncertainty Quantification [59.81904428056924]
我々は、不確実な定量化を伴うmarkPsを学習するためのスコアMAtching推定器であるSMASHを紹介する。具体的には,スコアマッチングによるマークPsの擬似的類似度を推定することにより,正規化自由度を推定する。提案手法の優れた性能は、事象予測と不確実性定量化の両方において広範な実験によって実証される。
論文参考訳（メタデータ） (2023-10-25T02:37:51Z)
Uncertainty Quantification for Traffic Forecasting: A Unified Approach [21.556559649467328]
不確実性は時系列予測タスクに不可欠な考慮事項である。本研究では,交通予測の不確かさの定量化に焦点をあてる。 STUQ(Deep S-Temporal Uncertainity Quantification)を開発した。
論文参考訳（メタデータ） (2022-08-11T15:21:53Z)
Theory of versatile fidelity estimation with confidence [1.9573380763700712]
本稿では,任意の特定の測定設定に対して,ほぼ最小限の信頼区間を持つ推定器を構成する手法を提案する。理論的および数値的な結果を組み合わせることで,提案手法の様々な望ましい特性を実証する。我々の手法は、同じ保証でオブザーバブルの期待値を推定するためにも利用できる。
論文参考訳（メタデータ） (2021-12-15T08:03:05Z)
Integrated Conditional Estimation-Optimization [6.037383467521294]
確率のある不確実なパラメータを文脈的特徴情報を用いて推定できる実世界の多くの最適化問題である。不確実なパラメータの分布を推定する標準的な手法とは対照的に,統合された条件推定手法を提案する。当社のI CEOアプローチは、穏健な条件下で理論的に一貫性があることを示します。
論文参考訳（メタデータ） (2021-10-24T04:49:35Z)
Reliable Off-policy Evaluation for Reinforcement Learning [53.486680020852724]
シーケンシャルな意思決定問題において、非政治評価は、目標政策の期待累積報酬を推定する。本稿では、1つまたは複数のログデータを用いて、ロバストで楽観的な累積報酬推定を提供する新しいフレームワークを提案する。
論文参考訳（メタデータ） (2020-11-08T23:16:19Z)
CoinDICE: Off-Policy Confidence Interval Estimation [107.86876722777535]
強化学習における高信頼行動非依存のオフ政治評価について検討する。様々なベンチマークにおいて、信頼区間推定が既存の手法よりも厳密で精度が高いことが示されている。
論文参考訳（メタデータ） (2020-10-22T12:39:11Z)

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。