論文の概要: Zono-Conformal Prediction: Zonotope-Based Uncertainty Quantification for Regression and Classification Tasks

• arxiv url: http://arxiv.org/abs/2508.11025v1
• Date: Thu, 14 Aug 2025 19:03:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-18 14:51:23.650005
• Title: Zono-Conformal Prediction: Zonotope-Based Uncertainty Quantification for Regression and Classification Tasks
• Title（参考訳）: ゾノコンフォーマル予測:ゾノトープに基づく回帰・分類タスクの不確実性定量化
• Authors: Laura Lützow, Michael Eichelbeck, Mykel J. Kochenderfer, Matthias Althoff,
• Abstract要約: コンフォーマル予測は、統計的に有効なカバレッジ保証を備えた予測セットでベース予測器を拡張するために使用される。 本稿では、間隔予測モデルとリーチセット・コンフォーマント同定にインスパイアされた新しいアプローチであるゾノ・コンフォーマル予測を導入する。 ゾノコンフォーマル予測器は間隔予測器モデルや標準共形予測法よりも保守的でないことを示す。
• 参考スコア（独自算出の注目度）: 41.14877380522394
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conformal prediction is a popular uncertainty quantification method that augments a base predictor with prediction sets with statistically valid coverage guarantees. However, current methods are often computationally expensive and data-intensive, as they require constructing an uncertainty model before calibration. Moreover, existing approaches typically represent the prediction sets with intervals, which limits their ability to capture dependencies in multi-dimensional outputs. We address these limitations by introducing zono-conformal prediction, a novel approach inspired by interval predictor models and reachset-conformant identification that constructs prediction zonotopes with assured coverage. By placing zonotopic uncertainty sets directly into the model of the base predictor, zono-conformal predictors can be identified via a single, data-efficient linear program. While we can apply zono-conformal prediction to arbitrary nonlinear base predictors, we focus on feed-forward neural networks in this work. Aside from regression tasks, we also construct optimal zono-conformal predictors in classification settings where the output of an uncertain predictor is a set of possible classes. We provide probabilistic coverage guarantees and present methods for detecting outliers in the identification data. In extensive numerical experiments, we show that zono-conformal predictors are less conservative than interval predictor models and standard conformal prediction methods, while achieving a similar coverage over the test data.
• Abstract（参考訳）: コンフォーマル予測(Conformal prediction)は、統計的に有効なカバレッジ保証付き予測セットでベース予測を増強する一般的な不確実性定量化手法である。 しかし、キャリブレーションの前に不確実性モデルを構築する必要があるため、現在の手法は計算コストが高く、データ集約的であることが多い。 さらに、既存のアプローチは一般的に間隔で予測セットを表現し、多次元出力における依存関係をキャプチャする能力を制限する。 この制限は、間隔予測モデルにインスパイアされた新しいアプローチであるゾノ・コンフォーマル予測を導入し、保証されたカバレッジで予測ゾノトープを構成するリーチセット・コンフォーマント同定に対処する。 ソノトピックの不確実性集合をベース予測器のモデルに直接配置することにより、単一のデータ効率の線形プログラムでゾノコンフォーマル予測器を同定することができる。 任意の非線形ベース予測器にゾノコンフォーマル予測を適用することができるが、本研究ではフィードフォワードニューラルネットワークに焦点を当てる。 回帰タスクとは別に、不確実な予測器の出力が可能なクラスの集合である分類設定において、最適なゾノコンフォーマル予測器も構築する。 我々は、確率的カバレッジ保証と、識別データ内の外れ値を検出する方法を提案する。 広範に数値実験を行ったところ, ゾノコンフォーマル予測器は間隔予測器モデルや標準等角予測法よりも保守的でなく, 試験データに類似したカバレッジを実現していることがわかった。

関連論文リスト

• Relational Conformal Prediction for Correlated Time Series [56.59852921638328]
  時系列における不確実性定量化の問題を相関配列を利用して解決する。 共形予測フレームワークと量子レグレッションに基づく分布自由な新しい手法を提案する。 我々の手法は正確なカバレッジを提供し、関連するベンチマークで最先端の不確実性定量化を実現する。
  論文  参考訳（メタデータ） (2025-02-13T16:12:17Z)
• Beyond Conformal Predictors: Adaptive Conformal Inference with Confidence Predictors [1.3812010983144802]
  本研究は,適応整形推論(ACI)の望ましい性質が整形予測器(CP)の使用を必要としないことを示す。 非互換信頼予測器(NCCP)の非交換データに対するACI使用時のCPに対する性能を実証的に検討した。
  論文  参考訳（メタデータ） (2024-09-23T21:02:33Z)
• Conditional validity of heteroskedastic conformal regression [12.905195278168506]
  等角予測と分割等角予測は、統計的保証付き予測間隔を推定するための分布自由なアプローチを提供する。 近年の研究では、分割共形予測は、限界被覆に着目した場合、最先端の予測間隔を生み出すことが示されている。 本稿では,正規化やモンドリアン等式予測などの手法を用いて,予測間隔の構築方法について,新たな光を当てることを試みる。
  論文  参考訳（メタデータ） (2023-09-15T11:10:46Z)
• Distribution-Free Finite-Sample Guarantees and Split Conformal Prediction [0.0]
  分割共形予測は、最小分布自由仮定の下で有限サンプル保証を得るための有望な道を表す。 1940年代に開発された分割共形予測と古典的寛容予測との関連性を強調した。
  論文  参考訳（メタデータ） (2022-10-26T14:12:24Z)
• 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)
• Dense Uncertainty Estimation [62.23555922631451]
  本稿では,ニューラルネットワークと不確実性推定手法について検討し,正確な決定論的予測と確実性推定の両方を実現する。 本研究では,アンサンブルに基づく手法と生成モデルに基づく手法の2つの不確実性推定法について検討し,それらの長所と短所を,完全/半端/弱度に制御されたフレームワークを用いて説明する。
  論文  参考訳（メタデータ） (2021-10-13T01:23:48Z)
• Private Prediction Sets [72.75711776601973]
  機械学習システムは、個人のプライバシーの確実な定量化と保護を必要とする。 これら2つのデシラタを共同で扱う枠組みを提案する。 本手法を大規模コンピュータビジョンデータセット上で評価する。
  論文  参考訳（メタデータ） (2021-02-11T18:59:11Z)

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。

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。