Fugu-MT 論文翻訳(概要): Target Strangeness: A Novel Conformal Prediction Difficulty Estimator

論文の概要: Target Strangeness: A Novel Conformal Prediction Difficulty Estimator

arxiv url: http://arxiv.org/abs/2410.19077v1
Date: Thu, 24 Oct 2024 18:33:32 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-28 13:36:17.018728
Title: Target Strangeness: A Novel Conformal Prediction Difficulty Estimator
Title（参考訳）: 目標ストレンジネス:新しい等角予測困難推定器
Authors: Alexis Bose, Jonathan Ethier, Paul Guinand,
Abstract要約: ターゲットストレンジネスは共形予測のための新しい難易度推定器である非定型的な予測が近隣住民の目標分布の文脈内にあるかを評価することで、ターゲットストレンジネスは現在の最先端のパフォーマンスを上回ることができる。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: This paper introduces Target Strangeness, a novel difficulty estimator for conformal prediction (CP) that offers an alternative approach for normalizing prediction intervals (PIs). By assessing how atypical a prediction is within the context of its nearest neighbours' target distribution, Target Strangeness can surpass the current state-of-the-art performance. This novel difficulty estimator is evaluated against others in the context of several conformal regression experiments.
Abstract（参考訳）: 本稿では、予測間隔(PI)の正規化のための代替アプローチを提供する、共形予測(CP)のための新しい難易度推定器であるTarget Strangenessを紹介する。非定型的な予測が近隣住民の目標分布の文脈内にあるかを評価することで、ターゲットストレンジネスは現在の最先端のパフォーマンスを上回ることができる。この新しい困難度推定器は、いくつかの共形回帰実験の文脈で他人に対して評価される。

関連論文リスト

Bin-Conditional Conformal Prediction of Fatalities from Armed Conflict [0.5312303275762104]
両条件共形予測(bin-conditional conformal prediction)と呼ぶ共形予測アルゴリズムを新たに導入する。この手法により,任意の予測モデルに対して,個々のレベルの予測間隔を得ることができる。両条件共形予測アルゴリズムを用いて、武装紛争による死亡率の予測を行う。
論文参考訳（メタデータ） (2024-10-18T14:41:42Z)
Loss Shaping Constraints for Long-Term Time Series Forecasting [79.3533114027664]
本稿では,長期時系列予測のための制約付き学習手法を提案する。提案手法は, 予測ウィンドウ上でエラーを発生させながら, 時系列ベンチマークにおける競合平均性能を示すことを示すための, 実用的なプリマル・デュアルアルゴリズムを提案する。
論文参考訳（メタデータ） (2024-02-14T18:20:44Z)
Statistical Barriers to Affine-equivariant Estimation [10.077727846124633]
本研究では,ロバスト平均推定のためのアフィン同変推定器の定量的性能について検討する。古典的推定器は定量的に準最適であるか、あるいは量的保証が欠如していることが分かる。我々は、下界にほぼ一致する新しいアフィン同変推定器を構築する。
論文参考訳（メタデータ） (2023-10-16T18:42:00Z)
Conformal Prediction for Deep Classifier via Label Ranking [29.784336674173616]
コンフォーマル予測(Conformal prediction)は、予測セットを所望のカバレッジ保証で生成する統計フレームワークである。我々は、$textitSorted Adaptive Prediction Sets$ (SAPS)という新しいアルゴリズムを提案する。 SAPSは最大ソフトマックス確率を除いて全ての確率値を捨てる。
論文参考訳（メタデータ） (2023-10-10T08:54:14Z)
Variational Prediction [95.00085314353436]
本稿では,変動境界を用いた後部予測分布に対する変動近似の学習手法を提案する。このアプローチは、テスト時間の限界化コストを伴わずに、優れた予測分布を提供することができる。
論文参考訳（メタデータ） (2023-07-14T18:19:31Z)
Predictive Inference with Feature Conformal Prediction [80.77443423828315]
本稿では,特徴空間への共形予測の範囲を拡大する特徴共形予測を提案する。理論的観点からは、特徴共形予測は軽度の仮定の下で正則共形予測よりも確実に優れていることを示す。提案手法は,バニラ共形予測だけでなく,他の適応共形予測手法と組み合わせることができる。
論文参考訳（メタデータ） (2022-10-01T02:57:37Z)
Uncertainty estimation of pedestrian future trajectory using Bayesian approximation [137.00426219455116]
動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
論文参考訳（メタデータ） (2022-05-04T04:23:38Z)
CovarianceNet: Conditional Generative Model for Correct Covariance Prediction in Human Motion Prediction [71.31516599226606]
本稿では,将来の軌道の予測分布に関連する不確かさを正確に予測する手法を提案する。我々のアプローチであるCovariaceNetは、ガウス潜在変数を持つ条件付き生成モデルに基づいている。
論文参考訳（メタデータ） (2021-09-07T09:38:24Z)
Short-term prediction of Time Series based on bounding techniques [0.0]
本稿では,新しい非パラメトリック手法を用いて時系列フレームワークの予測問題を再考する。この革新は、予測誤差の上限を得るために、決定論的および決定論的確率的仮定の両方を考慮することである。提案する予測器が予測スキームにおいて適切な結果を得ることができ、古典的非パラメトリック法に対する興味深い代替手段であることを示すためのベンチマークを含む。
論文参考訳（メタデータ） (2021-01-26T11:27:36Z)
Estimating Gradients for Discrete Random Variables by Sampling without Replacement [93.09326095997336]
我々は、置換のないサンプリングに基づいて、離散確率変数に対する期待値の偏りのない推定器を導出する。推定器は3つの異なる推定器のラオ・ブラックウェル化として導出可能であることを示す。
論文参考訳（メタデータ） (2020-02-14T14:15:18Z)

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。