論文の概要: Adaptive Regime-Switching Forecasts with Distribution-Free Uncertainty: Deep Switching State-Space Models Meet Conformal Prediction

• arxiv url: http://arxiv.org/abs/2512.03298v1
• Date: Tue, 02 Dec 2025 23:21:01 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-04 11:55:39.679935
• Title: Adaptive Regime-Switching Forecasts with Distribution-Free Uncertainty: Deep Switching State-Space Models Meet Conformal Prediction
• Title（参考訳）: 分布自由不確実性を考慮した適応型レジームスイッチング予測:コンフォーマル予測を伴うディープスイッチング状態空間モデル
• Authors: Echo Diyun LU, Charles Findling, Marianne Clausel, Alessandro Leite, Wei Gong, Pierric Kersaudy,
• Abstract要約: 適応等角推論(Adaptive Conformal Inference, ACI)と集約変種(AgACI)を結合したDeep Switching State Space Modelsによるレシエーションスイッチング予測の分布自由不確実性について検討する。 また、S4, MC-Dropout GRU, スパースガウス過程を含む強力なシーケンスベースライン上に位置する統一型コンフォメーションラッパーを導入し、非定常性とモデル不特定性の下で有限サンプルの限界保証付きオンライン予測バンドを生成するための変更点局所モデルを提案する。
• 参考スコア（独自算出の注目度）: 38.37518767859008
• License:
• Abstract: Regime transitions routinely break stationarity in time series, making calibrated uncertainty as important as point accuracy. We study distribution-free uncertainty for regime-switching forecasting by coupling Deep Switching State Space Models with Adaptive Conformal Inference (ACI) and its aggregated variant (AgACI). We also introduce a unified conformal wrapper that sits atop strong sequence baselines including S4, MC-Dropout GRU, sparse Gaussian processes, and a change-point local model to produce online predictive bands with finite-sample marginal guarantees under nonstationarity and model misspecification. Across synthetic and real datasets, conformalized forecasters achieve near-nominal coverage with competitive accuracy and generally improved band efficiency.
• Abstract（参考訳）: レジーム遷移は時系列の定常性を定期的に破壊し、キャリブレーションの不確実性を点精度と同じくらい重要にする。 本研究では,ACI(Adaptive Conformal Inference)とAgACI(AgACI)を結合したDeep Switching State Space Models(Deep Switching State Space Models)によるレシシシスイッチング予測の分布自由不確実性について検討した。 また、S4, MC-Dropout GRU, スパースガウス過程を含む強力なシーケンスベースライン上に位置する統一型コンフォメーションラッパーを導入し、非定常性とモデル不特定性の下で有限サンプルの限界保証付きオンライン予測バンドを生成するための変更点局所モデルを提案する。 合成データセットと実データセット全体にわたって、共形予測器は、競合精度とバンド効率を概ね改善したほぼ最小のカバレッジを達成する。

関連論文リスト

• Conformal Prediction Beyond the Horizon: Distribution-Free Inference for Policy Evaluation [14.811119246685534]
  本研究では,無限水平政策評価のための統一型コンフォメーション予測フレームワークを提案する。 本手法は,分布RLと共形キャリブレーション,観測されないリターン,時間依存性,分布シフトといった課題に対処する。
  論文  参考訳（メタデータ） (2025-10-29T23:45:44Z)
• Modular and Adaptive Conformal Prediction for Sequential Models via Residual Decomposition [8.759857025553549]
  本稿では,2段階連続モデルに対する共形予測フレームワークを提案する。 本手法は,ステージ固有のコンポーネントに残留する全体の予測により,特定のパイプラインステージに不確実性を持たせることができる。 実世界のサプライチェーンや株式市場のデータと同様に, 合成分布シフトの実験は, 標準等角法を劣化させる条件下で, 本手法が適用範囲を維持することを実証している。
  論文  参考訳（メタデータ） (2025-10-06T00:33:18Z)
• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)
• Locally Adaptive Conformal Inference for Operator Models [5.78532405664684]
  演算子モデルに対して関数値の局所適応予測セットを生成するための分散フリーフレームワークであるLocal Sliced Conformal Inference (LSCI)を紹介する。 我々は有限サンプルの有効性を証明し、局所交換性の下でのカバレッジギャップにデータ依存の上限を導出する。 偏りのある予測や分布外雑音に対する空間を実証的に実証する。
  論文  参考訳（メタデータ） (2025-07-28T16:37:56Z)
• Error-quantified Conformal Inference for Time Series [55.11926160774831]
  時系列予測の不確かさの定量化は、時系列データの時間的依存と分布シフトのために困難である。 量子化損失関数をスムースにすることで,iError-quantified Conformal Inference (ECI)を提案する。 ECIは有効な誤発見制御と、他のベースラインよりも厳密な予測セットを出力することができる。
  論文  参考訳（メタデータ） (2025-02-02T15:02:36Z)
• Noise-Adaptive Conformal Classification with Marginal Coverage [53.74125453366155]
  本稿では,ランダムラベルノイズによる交換性からの偏差を効率的に処理できる適応型共形推論手法を提案する。 本手法は,合成および実データに対して,その有効性を示す広範囲な数値実験により検証する。
  論文  参考訳（メタデータ） (2025-01-29T23:55:23Z)
• Adaptive Conformal Inference by Betting [51.272991377903274]
  データ生成プロセスについて仮定することなく適応型共形推論の問題を考察する。 適応型共形推論のための既存のアプローチは、オンライン勾配勾配の変種を用いたピンボール損失の最適化に基づいている。 本稿では,パラメータフリーなオンライン凸最適化手法を利用した適応型共形推論手法を提案する。
  論文  参考訳（メタデータ） (2024-12-26T18:42:08Z)
• From Conformal Predictions to Confidence Regions [1.4272411349249627]
  モデルパラメータに対する信頼領域を確立するために,モデル出力に共形予測間隔を組み合わせたCCRを導入する。 本稿では,雑音に対する最小限の仮定の下でのカバレッジ保証について述べる。 本手法は, 完全あるいはクロスコンフォーマルなアプローチを含む, 分割共形予測とブラックボックス手法の両方に適用可能である。
  論文  参考訳（メタデータ） (2024-05-28T21:33:12Z)
• 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)

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。