論文の概要: DART2: a robust multiple testing method to smartly leverage helpful or misleading ancillary information

• arxiv url: http://arxiv.org/abs/2409.03618v1
• Date: Thu, 5 Sep 2024 15:22:39 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-06 20:03:34.056639
• Title: DART2: a robust multiple testing method to smartly leverage helpful or misleading ancillary information
• Title（参考訳）: DART2: 便利な情報や誤解を招く情報を賢く活用する堅牢な多重テスト手法
• Authors: Xuechan Li, Jichun Xie,
• Abstract要約: 我々はDART2と呼ばれる頑健で効果的な距離アシスト型多重試験法を開発した。 補助情報が有用であれば、DART2は電力を向上しながらFDRを手動で制御するが、そうでなければ、DART2はFDRを制御でき、少なくとも補助情報を無視して電力を維持することができる。
• 参考スコア（独自算出の注目度）: 2.1485350418225244
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In many applications of multiple testing, ancillary information is available, reflecting the hypothesis null or alternative status. Several methods have been developed to leverage this ancillary information to enhance testing power, typically requiring the ancillary information is helpful enough to ensure favorable performance. In this paper, we develop a robust and effective distance-assisted multiple testing procedure named DART2, designed to be powerful and robust regardless of the quality of ancillary information. When the ancillary information is helpful, DART2 can asymptotically control FDR while improving power; otherwise, DART2 can still control FDR and maintain power at least as high as ignoring the ancillary information. We demonstrated DART2's superior performance compared to existing methods through numerical studies under various settings. In addition, DART2 has been applied to a gene association study where we have shown its superior accuracy and robustness under two different types of ancillary information.
• Abstract（参考訳）: 多重テストの多くのアプリケーションでは、仮説nullまたは代替ステータスを反映した補助情報が利用可能である。 テスト能力を高めるためにこの補助情報を活用するために、いくつかの方法が開発されている。 本稿では,アシラリー情報の質に関わらず,強力かつ堅牢に設計されたDART2という,頑健で効果的な距離支援型多重試験手法を開発する。 補助情報が有効な場合、DART2は、パワーを向上しつつ、漸近的にFDRを制御でき、そうでなければ、DART2はFDRを制御でき、少なくとも補助情報を無視して電力を維持することができる。 各種条件下での数値実験により,DART2の既存手法と比較して優れた性能を示した。 さらに、DART2は2種類の相違点情報の下で、より優れた精度と堅牢性を示す遺伝子アソシエーション研究にも適用されている。

関連論文リスト

• An Extensive Study on D2C: Overfitting Remediation in Deep Learning Using a Decentralized Approach [2.7275555568872702]
  Divide2Conquer(D2C)は、ディープラーニングにおけるオーバーフィットを軽減する技術である。 D2Cはトレーニングデータを複数のサブセットに分割し、各サブセットに対して独立して同一モデルをトレーニングする。 ベンチマークデータセットに対する実証的な評価は、D2Cが一般化性能を著しく向上させることを示している。
  論文  参考訳（メタデータ） (2024-11-24T15:31:22Z)
• SEED: A Simple and Effective 3D DETR in Point Clouds [72.74016394325675]
  ポイントクラウドの分散度が高く,不均一な分布のため,主な課題は困難である,と我々は主張する。 点雲から3次元物体を検出するための簡便で効果的な3次元DETR法(SEED)を提案する。
  論文  参考訳（メタデータ） (2024-07-15T14:21:07Z)
• Multi-source-free Domain Adaptation via Uncertainty-aware Adaptive Distillation [8.791916654073088]
  ソースフリードメイン適応(SFDA)は、データプライバシの認識のためにデータにアクセスすることなく、ドメインから取得したデータ間のドメインの不一致を軽減する。 マルチソースフリーな非教師付きドメイン適応設定のための不確実性認識適応蒸留(UAD)を提案する。
  論文  参考訳（メタデータ） (2024-02-09T06:48:04Z)
• Dynamic Multimodal Information Bottleneck for Multimodality Classification [26.65073424377933]
  本稿では,頑健な融合特徴表現を実現するための動的マルチモーダル情報ボトルネックフレームワークを提案する。 具体的には、情報ボトルネックモジュールは、融合機能におけるタスク関連情報やノイズをフィルタリングするのに役立ちます。 提案手法は最先端の手法を超越し, 大規模ノイズチャネルが存在する場合, 性能を維持できる唯一の手法である。
  論文  参考訳（メタデータ） (2023-11-02T08:34:08Z)
• DTAAD: Dual Tcn-Attention Networks for Anomaly Detection in Multivariate Time Series Data [0.0]
  本稿では,Transformer と Dual Temporal Convolutional Network (TCN) に基づく異常検出・診断モデル DTAAD を提案する。 予測精度の向上と相関性の向上のために,スケーリング手法とフィードバック機構を導入している。 7つの公開データセットに対する実験により、DTAADは検出および診断性能の両面で現在最先端のベースライン法の大部分を超えていることが確認された。
  論文  参考訳（メタデータ） (2023-02-17T06:59:45Z)
• What Makes Data-to-Text Generation Hard for Pretrained Language Models? [17.07349898176898]
  構造化された事実や関係(D2T)の自然言語記述を表現することで、構造化された知識リポジトリのアクセシビリティが向上する。 従来の研究は、タスク固有のトレーニングデータを大幅に微調整した後、事前学習された言語モデル(PLM)が、このタスクに対して驚くほどうまく機能していることを示している。 DARTマルチドメインD2Tデータセット上で、微調整と自動回帰PLMの両方について実証的研究を行う。
  論文  参考訳（メタデータ） (2022-05-23T17:58:39Z)
• MDMMT-2: Multidomain Multimodal Transformer for Video Retrieval, One More Step Towards Generalization [65.09758931804478]
  3つの異なるデータソースが組み合わさっている: 弱教師付きビデオ、クラウドラベル付きテキストイメージペア、テキストビデオペア。 利用可能な事前学習ネットワークの慎重な分析は、最高の事前学習ネットワークを選択するのに役立つ。
  論文  参考訳（メタデータ） (2022-03-14T13:15:09Z)
• Retrieval-Augmented Reinforcement Learning [63.32076191982944]
  過去の経験のデータセットを最適な行動にマップするために、ネットワークをトレーニングします。 検索プロセスは、現在のコンテキストで有用なデータセットから情報を取得するために訓練される。 検索強化R2D2はベースラインR2D2エージェントよりもかなり高速に学習し,より高いスコアを得ることを示す。
  論文  参考訳（メタデータ） (2022-02-17T02:44:05Z)
• Activation to Saliency: Forming High-Quality Labels for Unsupervised Salient Object Detection [54.92703325989853]
  本稿では,高品質なサリエンシキューを効果的に生成する2段階アクティベーション・ツー・サリエンシ(A2S)フレームワークを提案する。 トレーニングプロセス全体において、私たちのフレームワークにヒューマンアノテーションは関与していません。 本フレームワークは,既存のUSOD法と比較して高い性能を示した。
  論文  参考訳（メタデータ） (2021-12-07T11:54:06Z)
• Analyzing Dynamic Adversarial Training Data in the Limit [50.00850852546616]
  動的逆データ収集(DADC)は、このような多様なトレーニングセットを生成するためのアプローチとして、約束を守る。 本研究は,NLIの20ラウンドを少数の前提項で収集する,長期DADCに関する最初の研究である。 DADCの例でトレーニングされたモデルでは、専門家が計算したテストセットのエラーが、非敵のデータでトレーニングされたモデルよりも26%少なくなります。
  論文  参考訳（メタデータ） (2021-10-16T08:48:52Z)
• Self-Supervised Person Detection in 2D Range Data using a Calibrated Camera [83.31666463259849]
  2次元LiDARに基づく人検出器のトレーニングラベル(擬似ラベル)を自動生成する手法を提案する。 擬似ラベルで訓練または微調整された自己監視検出器が,手動アノテーションを用いて訓練された検出器を上回っていることを示した。 私達の方法は付加的な分類の努力なしで配置の間に人の探知器を改善する有効な方法です。
  論文  参考訳（メタデータ） (2020-12-16T12:10:04Z)

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。