論文の概要: Predicting integers from continuous parameters

• arxiv url: http://arxiv.org/abs/2602.10751v1
• Date: Wed, 11 Feb 2026 11:30:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-12 21:44:01.817193
• Title: Predicting integers from continuous parameters
• Title（参考訳）: 連続パラメータからの整数予測
• Authors: Bas Maat, Peter Bloem,
• Abstract要約: 本稿では、整数や整数のサブレンジに制約された数値ラベルの予測問題について検討する。 例えば、ソーシャルメディア投稿のアップボイト数や、公共のレンタルステーションで利用できる自転車の数などです。 これらを連続的な値としてモデル化し、従来の回帰を適用することは可能だが、このアプローチはラベルの根底にある分布を離散的から連続的へと変化させる。
• 参考スコア（独自算出の注目度）: 0.08594140167290099
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study the problem of predicting numeric labels that are constrained to the integers or to a subrange of the integers. For example, the number of up-votes on social media posts, or the number of bicycles available at a public rental station. While it is possible to model these as continuous values, and to apply traditional regression, this approach changes the underlying distribution on the labels from discrete to continuous. Discrete distributions have certain benefits, which leads us to the question whether such integer labels can be modeled directly by a discrete distribution, whose parameters are predicted from the features of a given instance. Moreover, we focus on the use case of output distributions of neural networks, which adds the requirement that the parameters of the distribution be continuous so that backpropagation and gradient descent may be used to learn the weights of the network. We investigate several options for such distributions, some existing and some novel, and test them on a range of tasks, including tabular learning, sequential prediction and image generation. We find that overall the best performance comes from two distributions: Bitwise, which represents the target integer in bits and places a Bernoulli distribution on each, and a discrete analogue of the Laplace distribution, which uses a distribution with exponentially decaying tails around a continuous mean.
• Abstract（参考訳）: 本稿では、整数や整数のサブレンジに制約された数値ラベルの予測問題について検討する。 例えば、ソーシャルメディア投稿のアップボイト数や、公共のレンタルステーションで利用できる自転車の数などです。 これらを連続的な値としてモデル化し、従来の回帰を適用することは可能だが、このアプローチはラベルの根底にある分布を離散的から連続的へと変化させる。 離散分布には一定の利点があり、そのような整数ラベルは、あるインスタンスの特徴からパラメータが予測される離散分布によって直接モデル化できるかどうかという問題に繋がる。 さらに、ニューラルネットワークの出力分布のユースケースにも着目し、その分布のパラメータが連続的であるという要件を追加し、バックプロパゲーションと勾配降下がネットワークの重みを学習するために用いられるようにした。 本稿では,そのような分布に対するいくつかの選択肢,いくつかは既存のもの,いくつかは斬新なものについて検討し,表在学習,逐次予測,画像生成など,様々なタスクで検証する。 ビットワイズ(ビットワイズ)とベルヌーイ分布(ベルヌーイ分布)、ラプラス分布(ラプラス分布)は連続平均の周囲に指数関数的に減衰する尾を持つ分布を用いる。

関連論文リスト

• Theory on Score-Mismatched Diffusion Models and Zero-Shot Conditional Samplers [49.97755400231656]
  一般のスコアミスマッチ拡散サンプリング器に対する明示的な次元依存性を持つ最初の性能保証を示す。 その結果, スコアミスマッチは, 目標分布とサンプリング分布の分布バイアスとなり, 目標分布とトレーニング分布の累積ミスマッチに比例することがわかった。 この結果は、測定ノイズに関係なく、任意の条件モデルに対するゼロショット条件付きサンプリングに直接適用することができる。
  論文  参考訳（メタデータ） (2024-10-17T16:42:12Z)
• Survey of Data-driven Newsvendor: Unified Analysis and Spectrum of Achievable Regrets [6.356813626290215]
  Newsvendor の問題では、ある分布から引き出される数を推測することが目的である。 データ駆動バージョンでは、分散は未知であり、分散からのサンプルを扱う必要がある。 本稿では、これらの変種の組み合わせをすべて研究し、文献の多くのギャップを埋め、多くの証明を単純化する。
  論文  参考訳（メタデータ） (2024-09-05T13:19:08Z)
• Diffusion Forcing: Next-token Prediction Meets Full-Sequence Diffusion [61.03681839276652]
  拡散強制(Diffusion Forcing)は、拡散モデルをトレーニングし、トークンの集合に独立した音レベルを付与する、新たなトレーニングパラダイムである。 因果的次トーケン予測モデルを訓練して1つまたは複数の未来のトークンを生成することで、シーケンス生成モデルに拡散強制を適用する。
  論文  参考訳（メタデータ） (2024-07-01T15:43:25Z)
• Generative Assignment Flows for Representing and Learning Joint Distributions of Discrete Data [2.6499018693213316]
  離散確率変数の結合確率分布の表現のための新しい生成モデルを提案する。 このアプローチでは、分解分布の統計部分多様体上のランダム化代入フローによる測度輸送を用いる。
  論文  参考訳（メタデータ） (2024-06-06T21:58:33Z)
• Wrapped Distributions on homogeneous Riemannian manifolds [58.720142291102135]
  パラメータ、対称性、モダリティなどの分布の性質の制御は、フレキシブルな分布の族を生み出す。 変動型オートエンコーダと潜在空間ネットワークモデル内で提案した分布を利用して,我々のアプローチを実証的に検証する。
  論文  参考訳（メタデータ） (2022-04-20T21:25:21Z)
• Learning Group Importance using the Differentiable Hypergeometric Distribution [16.30064635746202]
  要素を未知のサイズのサブセットに分割することは、多くのアプリケーションで必須である。 本研究では,微分可能超幾何分布を提案する。 弱教師付き学習とクラスタリングという2つの典型的なアプリケーションで,サブセットのサイズを学習できることが示される。
  論文  参考訳（メタデータ） (2022-03-03T10:44:50Z)
• Probabilistic Kolmogorov-Arnold Network [1.4732811715354455]
  本稿では,アレータティック不確実性の場合に出力の確率分布を推定する手法を提案する。 提案手法は, 出力の入力依存確率分布と, 入力による分布型の変化を対象とする。 本手法は任意の回帰モデルに適用できるが, 計算効率のよいモデルの構築につながるため,kansと組み合わせる。
  論文  参考訳（メタデータ） (2021-04-04T23:49:15Z)
• Distributional Random Forests: Heterogeneity Adjustment and Multivariate Distributional Regression [0.8574682463936005]
  共同条件分布に基づく多変量応答のための新しい森林構築法を提案する。 コードはPythonとRパッケージとして利用可能である。
  論文  参考訳（メタデータ） (2020-05-29T09:05:00Z)

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。