Fugu-MT 論文翻訳(概要): Inductive randomness predictors

論文の概要: Inductive randomness predictors

arxiv url: http://arxiv.org/abs/2503.02803v1
Date: Tue, 04 Mar 2025 17:26:25 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-05 18:50:39.67543
Title: Inductive randomness predictors
Title（参考訳）: 帰納的ランダム性予測器
Authors: Vladimir Vovk,
Abstract要約: 二項帰納的ランダム性予測器が帰納的共形予測器よりも有利であることは興味深い。非自明な帰納的共形予測子は、統計的決定論の意味では許容できない。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper introduces inductive randomness predictors, which form a superset of inductive conformal predictors. Its focus is on a very simple special case, binary inductive randomness predictors. It is interesting that binary inductive randomness predictors have an advantage over inductive conformal predictors, although they also have a serious disadvantage. This advantage will allow us to reach the surprising conclusion that non-trivial inductive conformal predictors are inadmissible in the sense of statistical decision theory.
Abstract（参考訳）: 本稿では、帰納的共形予測器のスーパーセットを形成する帰納的ランダム性予測器を紹介する。その焦点は、非常に単純な特殊ケース、二分帰納的ランダム性予測器である。二項帰納的ランダム性予測器は帰納的共形予測器よりも有利であるが、深刻な欠点もある。この利点は、非自明な帰納的共形予測器が統計的決定論の意味では容認できないという驚くべき結論に達することができる。

関連論文リスト

Universality of conformal prediction under the assumption of randomness [0.0]
共形予測器は、ランダム性の仮定の下で有効である集合または機能予測を提供する。問題は、ランダム性の仮定の下で同じ意味で有効であり、共形予測器よりも効率的である予測器が存在するかどうかである。結論は、共形予測器のクラスは、予測効率の限られた利得しか得られないという点で普遍的であるということである。
論文参考訳（メタデータ） (2025-02-26T16:00:42Z)
Randomness, exchangeability, and conformal prediction [0.0]
ランダムネス予測や交換可能性予測など、新しい種類の信頼予測を導入している。主な結果は、両者が共形予測器に近く、ランダムネス予測と共形予測の差を定量化することを意味する。
論文参考訳（メタデータ） (2025-01-20T19:14:26Z)
Conformal Generative Modeling with Improved Sample Efficiency through Sequential Greedy Filtering [55.15192437680943]
生成モデルは出力に対する厳密な統計的保証を欠いている。厳密な統計的保証を満たす予測セットを生成する逐次共形予測法を提案する。このことは、高い確率で予測セットが少なくとも1つの許容可能な(または有効な)例を含むことを保証している。
論文参考訳（メタデータ） (2024-10-02T15:26:52Z)
Random features models: a way to study the success of naive imputation [0.0]
これは、欠落したデータを扱うための最初の使い易いテクニックである。最近の研究は、このバイアスが高次元線形予測器の文脈で低いことを示唆している。本稿は, 偏見が無視可能であり, 意外なナイーブな計算も極めて低次元で関連している,という直感を裏付けるものである。
論文参考訳（メタデータ） (2024-02-06T09:37:06Z)
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)
Creating Probabilistic Forecasts from Arbitrary Deterministic Forecasts using Conditional Invertible Neural Networks [0.19573380763700712]
我々は、条件付き可逆ニューラルネットワーク(cINN)を用いて、データの基盤となる分布を学習し、この分布からの不確実性を任意の決定論的予測と組み合わせる。我々のアプローチは、複雑な統計的損失関数やさらなる仮定を伴わずに、確率的予測を簡単に作成できる。
論文参考訳（メタデータ） (2023-02-03T15:11:39Z)
On Second-Order Scoring Rules for Epistemic Uncertainty Quantification [8.298716599039501]
本研究では,2次学習者が不確実性を忠実に表現する動機となる損失関数が存在しないことを示す。この結果を証明するための主要な数学的ツールとして,2次スコアリングルールの一般化概念を導入する。
論文参考訳（メタデータ） (2023-01-30T08:59:45Z)
Exact and Approximate Conformal Inference for Multi-Output Regression [0.0]
コンフォーマル推論は、予測に関連する不確実性を定量化するために機械学習で使用される。本稿では,多出力回帰を考察し,共形推論の正確な導出を$p$-値で行う。また、実世界とシミュレーションデータの両方を用いて、これらの手法の有効性に関する理論的および実証的な証拠を提供する。
論文参考訳（メタデータ） (2022-10-31T15:41:13Z)
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)
On the Difficulty of Epistemic Uncertainty Quantification in Machine Learning: The Case of Direct Uncertainty Estimation through Loss Minimisation [8.298716599039501]
不確かさの定量化は機械学習で注目を集めている。後者は学習者の知識(知識の欠如)を指し、特に測定と定量化が難しいようである。損失最小化は2次予測器では有効でないことを示す。
論文参考訳（メタデータ） (2022-03-11T17:26:05Z)
Robust uncertainty estimates with out-of-distribution pseudo-inputs training [0.0]
我々は、信頼性のあるデータを与えられていない不確実性予測器を明示的に訓練することを提案する。データ無しでは訓練できないので、入力空間の情報的低密度領域において擬似入力を生成するメカニズムを提供する。総合的な評価により、様々なタスクにおける最先端性能を維持しながら、不確実性の頑健かつ解釈可能な予測が得られることを示す。
論文参考訳（メタデータ） (2022-01-15T17:15:07Z)
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)
DEUP: Direct Epistemic Uncertainty Prediction [56.087230230128185]
認識の不確実性は、学習者の知識の欠如によるサンプル外の予測エラーの一部である。一般化誤差の予測を学習し, aleatoric uncertaintyの推定を減算することで, 認識的不確かさを直接推定する原理的アプローチを提案する。
論文参考訳（メタデータ） (2021-02-16T23:50:35Z)
Sequential prediction under log-loss and misspecification [47.66467420098395]
累積的後悔の観点から,ログロスに基づく逐次予測の問題を考える。明確に特定され誤記された症例の累積的後悔が偶然に現れる。分布自由あるいはPAC後悔を$o(1)$で特徴づける。
論文参考訳（メタデータ） (2021-01-29T20:28:23Z)
The Hidden Uncertainty in a Neural Networks Activations [105.4223982696279]
ニューラルネットワークの潜在表現の分布は、アウト・オブ・ディストリビューション(OOD)データの検出に成功している。本研究は、この分布が、モデルの不確実性と相関しているかどうかを考察し、新しい入力に一般化する能力を示す。
論文参考訳（メタデータ） (2020-12-05T17:30:35Z)
Learnable Uncertainty under Laplace Approximations [65.24701908364383]
我々は、予測そのものに分離された方法で不確実性を明示的に「訓練」するために形式主義を発展させる。これらのユニットは不確実性を認識した目標によってトレーニング可能であり、標準的なラプラス近似の性能を向上させることができる。
論文参考訳（メタデータ） (2020-10-06T13:43:33Z)
The Vector Poisson Channel: On the Linearity of the Conditional Mean Estimator [82.5577471797883]
本研究では,ベクトルポアソン雑音における条件平均推定器の特性について検討する。最初の結果は、ポアソンノイズの暗電流パラメータがゼロでない場合、条件平均推定器は線形ではないことを示す。第2の結果は、第1の結果を定量的に精錬する。
論文参考訳（メタデータ） (2020-03-19T18:21:33Z)
De-randomized PAC-Bayes Margin Bounds: Applications to Non-convex and Non-smooth Predictors [21.59277717031637]
決定論的非平滑予測(ReLU-nets)のための非ランダム化PACの族を示す。また、セットサイズやラベルの変更に対する境界の実証的な結果も提示する。
論文参考訳（メタデータ） (2020-02-23T17:54:07Z)

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。