論文の概要: Asynchronous Gossip Algorithms for Rank-Based Statistical Methods
- arxiv url: http://arxiv.org/abs/2509.07543v1
- Date: Tue, 09 Sep 2025 09:23:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-10 14:38:27.252912
- Title: Asynchronous Gossip Algorithms for Rank-Based Statistical Methods
- Title（参考訳）: ランクに基づく統計的手法のための非同期ゴシップアルゴリズム
- Authors: Anna Van Elst, Igor Colin, Stephan Clémençon,
- Abstract要約: ウィルコクソンランクサム検定のための最初のゴシップアルゴリズムを提案する。
非同期ゴシップに基づくランク推定のための第1収束率を含む厳密な収束保証を提供する。
- 参考スコア（独自算出の注目度）: 2.6636053598505307
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As decentralized AI and edge intelligence become increasingly prevalent, ensuring robustness and trustworthiness in such distributed settings has become a critical issue-especially in the presence of corrupted or adversarial data. Traditional decentralized algorithms are vulnerable to data contamination as they typically rely on simple statistics (e.g., means or sum), motivating the need for more robust statistics. In line with recent work on decentralized estimation of trimmed means and ranks, we develop gossip algorithms for computing a broad class of rank-based statistics, including L-statistics and rank statistics-both known for their robustness to outliers. We apply our method to perform robust distributed two-sample hypothesis testing, introducing the first gossip algorithm for Wilcoxon rank-sum tests. We provide rigorous convergence guarantees, including the first convergence rate bound for asynchronous gossip-based rank estimation. We empirically validate our theoretical results through experiments on diverse network topologies.
- Abstract（参考訳）: 分散AIとエッジインテリジェンスがますます普及するにつれて、このような分散設定における堅牢性と信頼性の確保は、特に腐敗したデータや敵対的なデータの存在において、重要な問題となっている。
従来の分散アルゴリズムは、単純な統計(例えば、平均や和)に頼っているため、データ汚染に対して脆弱であり、より堅牢な統計の必要性を動機付けている。
トリミングされた手段とランクの分散推定に関する最近の研究に合わせて、L統計学やランク統計学を含む幅広いランクに基づく統計のクラスを計算するためのゴシップアルゴリズムを開発した。
我々は,ウィルコクソンランクサム検定のための最初のゴシップアルゴリズムを導入し,ロバストな分散二サンプル仮説検定に本手法を適用した。
非同期ゴシップに基づくランク推定のための第1収束率を含む厳密な収束保証を提供する。
ネットワークトポロジの多様な実験を通じて理論的結果を実証的に検証する。
関連論文リスト
- Uncertainty quantification for Markov chain induced martingales with application to temporal difference learning [55.197497603087065]
線形関数近似を用いた時間差分学習アルゴリズムの性能解析を行った。
マルコフ連鎖によって誘導されるベクトル値マルティンタに対する新規で一般的な高次元濃度不等式とベリー-エッセイン境界を確立する。
論文 参考訳（メタデータ） (2025-02-19T15:33:55Z) - Robust Barycenter Estimation using Semi-Unbalanced Neural Optimal Transport [84.51977664336056]
本研究では、ロバストな連続バリセンタを推定するための新しいスケーラブルなアプローチを提案する。
提案手法は min-max 最適化問題であり,一般的なコスト関数に適用可能である。
論文 参考訳（メタデータ） (2024-10-04T23:27:33Z) - The Benefit of Being Bayesian in Online Conformal Prediction [7.713245413733777]
ブラックボックス機械学習モデルを用いた信頼度セットのオンライン構築について検討する。
対象の信頼レベルを量子レベルに変換することにより、逐次明らかにされたデータシーケンスの量子レベルを予測することで、問題を小さくすることができる。
論文 参考訳（メタデータ） (2024-10-03T15:04:47Z) - Sequential Manipulation Against Rank Aggregation: Theory and Algorithm [119.57122943187086]
脆弱なデータ収集プロセスに対するオンライン攻撃を活用します。
ゲーム理論の観点からは、対決シナリオは分布的に堅牢なゲームとして定式化される。
提案手法は,ランクアグリゲーション手法の結果を逐次的に操作する。
論文 参考訳（メタデータ） (2024-07-02T03:31:21Z) - Marginal and training-conditional guarantees in one-shot federated conformal prediction [17.197488145781858]
単発フェデレート学習環境における共形予測について検討した。
主なゴールは、エージェントとサーバの間の1ラウンドの通信でのみ、サーバーレベルで、辺りとトレーニングで有効な予測セットを計算することである。
論文 参考訳（メタデータ） (2024-05-21T08:08:00Z) - Differentially Private Federated Learning: Servers Trustworthiness, Estimation, and Statistical Inference [18.97060758177909]
本稿では,差分プライバシーの制約下での高次元推定と推測の課題について検討する。
線形回帰モデルに適した新しいフェデレーション推定アルゴリズムを提案する。
また,各パラメータの座標的信頼区間を含む統計的推測手法を提案する。
論文 参考訳（メタデータ） (2024-04-25T02:14:07Z) - Robust Consensus in Ranking Data Analysis: Definitions, Properties and
Computational Issues [2.867517731896504]
本稿では,コンセンサスランク付けのための頑健性の概念と専用統計手法を紹介する。
本稿では、コンセンサスランキングに合わせた、一般的なブレークダウンポイントの概念の具体的な拡張を提案する。
論文 参考訳（メタデータ） (2023-03-22T19:36:56Z) - Two-Stage Robust and Sparse Distributed Statistical Inference for
Large-Scale Data [18.34490939288318]
本稿では,高次元データやオフレーヤによって汚染される可能性のある大規模データを含む設定において,統計的推論を行うという課題に対処する。
空間性を促進することによって高次元モデルに対処する2段階の分散および頑健な統計的推論手法を提案する。
論文 参考訳（メタデータ） (2022-08-17T11:17:47Z) - Valid Inference After Causal Discovery [73.87055989355737]
我々は、因果関係発見後の推論に有効なツールを開発する。
因果発見とその後の推論アルゴリズムの組み合わせは,高度に膨らんだ誤発見率をもたらすことを示す。
論文 参考訳（メタデータ） (2022-08-11T17:40:45Z) - Efficient First-Order Contextual Bandits: Prediction, Allocation, and
Triangular Discrimination [82.52105963476703]
統計的学習、オンライン学習、その他における繰り返しのテーマは、低騒音の問題に対してより速い収束率が可能であることである。
1次保証は統計的およびオンライン学習において比較的よく理解されている。
三角識別と呼ばれる対数損失と情報理論量が一階保証を得る上で基本的な役割を担っていることを示す。
論文 参考訳（メタデータ） (2021-07-05T19:20:34Z) - Learning while Respecting Privacy and Robustness to Distributional
Uncertainties and Adversarial Data [66.78671826743884]
分散ロバストな最適化フレームワークはパラメトリックモデルのトレーニングのために検討されている。
目的は、逆操作された入力データに対して頑健なトレーニングモデルを提供することである。
提案されたアルゴリズムは、オーバーヘッドがほとんどない堅牢性を提供する。
論文 参考訳（メタデータ） (2020-07-07T18:25:25Z)
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。