論文の概要: Scenario Approach with Post-Design Certification of User-Specified Properties

• arxiv url: http://arxiv.org/abs/2602.15568v1
• Date: Tue, 17 Feb 2026 13:27:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-18 16:03:18.073519
• Title: Scenario Approach with Post-Design Certification of User-Specified Properties
• Title（参考訳）: ユーザ指定プロパティのポストデザイン認定によるシナリオアプローチ
• Authors: Algo Carè, Marco C. Campi, Simone Garatti,
• Abstract要約: 本稿では,設計プロセスの指針となるベースライン適合度と,設計後の適合度という2段階の妥当性の枠組みを導入する。 提案手法の有用性を実証する試みの一環として,本論文では,H2問題と極配置問題の2つの実例を示す。
• 参考スコア（独自算出の注目度）: 5.250743580183821
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The scenario approach is an established data-driven design framework that comes equipped with a powerful theory linking design complexity to generalization properties. In this approach, data are simultaneously used both for design and for certifying the design's reliability, without resorting to a separate test dataset. This paper takes a step further by guaranteeing additional properties, useful in post-design usage but not considered during the design phase. To this end, we introduce a two-level framework of appropriateness: baseline appropriateness, which guides the design process, and post-design appropriateness, which serves as a criterion for a posteriori evaluation. We provide distribution-free upper bounds on the risk of failing to meet the post-design appropriateness; these bounds are computable without using any additional test data. Under additional assumptions, lower bounds are also derived. As part of an effort to demonstrate the usefulness of the proposed methodology, the paper presents two practical examples in H2 and pole-placement problems. Moreover, a method is provided to infer comprehensive distributional knowledge of relevant performance indexes from the available dataset.
• Abstract（参考訳）: シナリオアプローチは、設計複雑性と一般化特性をリンクする強力な理論を備えた、確立されたデータ駆動設計フレームワークである。 このアプローチでは、データは別々のテストデータセットに頼ることなく、設計と設計の信頼性の証明の両方に同時に使用される。 本稿では,設計段階では考慮されない設計後の利用に有用な追加特性を保証し,さらに一歩進める。 この目的のために,設計プロセスの指針となるベースライン適合度と,設計後の適合度という2段階の妥当性の枠組みを導入する。 我々は,設計後の適切性を満たさないリスクに対して,分布自由な上限を与える。 追加の仮定では、下界も導出される。 提案手法の有用性を実証する試みの一環として,本論文では,H2問題と極配置問題の2つの実例を示す。 さらに、利用可能なデータセットから、関連するパフォーマンス指標の包括的な分布知識を推測する方法を提供する。

関連論文リスト

• Implicitly Guided Design with PropEn: Match your Data to Follow the Gradient [52.2669490431145]
  PropEnは'matching'にインスパイアされている。 一致したデータセットによるトレーニングは、データ分布内に留まりながら、興味のある性質の勾配を近似することを示す。
  論文  参考訳（メタデータ） (2024-05-28T11:30:19Z)
• Disentangled Representation Learning with Transmitted Information Bottleneck [57.22757813140418]
  textbfDisTIB (textbfTransmitted textbfInformation textbfBottleneck for textbfDisd representation learning) は情報圧縮と保存のバランスを保った新しい目的である。
  論文  参考訳（メタデータ） (2023-11-03T03:18:40Z)
• Dual Adaptive Representation Alignment for Cross-domain Few-shot Learning [58.837146720228226]
  ベース知識から学習することで、限られたサポートサンプルを持つ新規なクエリを認識することを目的としている。 この設定の最近の進歩は、ベース知識と新しいクエリサンプルが同じドメインに分散されていることを前提としている。 本稿では,ターゲットドメインで利用可能なサンプルが極めて少ないドメイン間数ショット学習の問題に対処することを提案する。
  論文  参考訳（メタデータ） (2023-06-18T09:52:16Z)
• CoP: Factual Inconsistency Detection by Controlling the Preference [45.4045488637761]
  本稿では、生成モデルの好みをプロンプトの助けを借りて制御することで、CoPという教師なしのフレームワークを提案する。 適切に設計されたプロンプトにより、我々のフレームワークは特定の嗜好を評価し、きめ細かい不整合のカテゴリの測定に役立てることができる。 実験の結果,本フレームワークは3つの現実的不整合検出タスクにおいて,新たなSOTA結果を実現することがわかった。
  論文  参考訳（メタデータ） (2022-12-03T13:05:24Z)
• Validation Diagnostics for SBI algorithms based on Normalizing Flows [55.41644538483948]
  本研究は,NFに基づく多次元条件(後)密度推定器の検証診断を容易にすることを提案する。 また、局所的な一貫性の結果に基づいた理論的保証も提供する。 この作業は、より良い特定モデルの設計を支援したり、新しいSBIアルゴリズムの開発を促進するのに役立つだろう。
  論文  参考訳（メタデータ） (2022-11-17T15:48:06Z)
• Distributionally robust risk evaluation with a causality constraint and structural information [0.0]
  ニューラルネットワークによるテスト関数を近似し、Rademacherの複雑さによるサンプルの複雑さを証明する。 我々のフレームワークは、分散的にロバストなポートフォリオ選択問題において、従来のものよりも優れています。
  論文  参考訳（メタデータ） (2022-03-20T14:48:37Z)
• Summary-Source Proposition-level Alignment: Task, Datasets and Supervised Baseline [94.0601799665342]
  資料の参照要約における文のアライメントは,補助的な要約作業として有用であった。 本稿では,2つの重要な新機能を導入しながら,要約ソースアライメントを明示的なタスクとして確立することを提案する。 我々は提案レベルのアライメントのための新しいトレーニングデータセットを作成し、利用可能な要約評価データから自動的に抽出する。 教師なしアプローチよりも優れたアライメント品質を示す教師付き命題アライメントベースラインモデルを提案する。
  論文  参考訳（メタデータ） (2020-09-01T17:27:12Z)
• Classification with Valid and Adaptive Coverage [11.680355561258427]
  コンフォーマル推論、クロスバリデーション+、およびJackknife+は、事実上あらゆる機械学習アルゴリズムと組み合わせることができるホールドアウトメソッドである。 我々はこれらの手法の特殊バージョンを分類的・非順序対応ラベルとして開発する。
  論文  参考訳（メタデータ） (2020-06-03T21:42:04Z)

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。