論文の概要: Bridging Conformal Prediction and Scenario Optimization: Discarded Constraints and Modular Risk Allocation

• arxiv url: http://arxiv.org/abs/2603.19396v1
• Date: Thu, 19 Mar 2026 18:37:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:38.840555
• Title: Bridging Conformal Prediction and Scenario Optimization: Discarded Constraints and Modular Risk Allocation
• Title（参考訳）: ブリッジング・コンフォーマル予測とシナリオ最適化
• Authors: Giuseppe C. Calafiore,
• Abstract要約: 本稿では,システム・アンド・コントロールの観点から,その接続を直接検討する。 ブロックワイドキャリブレーション証明書を1つのジョイント保証に組み合わせた,単純なモジュラ構成規則を導入する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scenario optimization and conformal prediction share a common goal, that is, turning finite samples into safety margins. Yet, different terminology often obscures the connection between their respective guarantees. This paper revisits that connection directly from a systems-and-control viewpoint. Building on the recent conformal/scenario bridge of \citet{OSullivanRomaoMargellos2026}, we extend the forward direction to feasible sample-and-discard scenario algorithms. Specifically, if the final decision is determined by a stable subset of the retained sampled constraints, the classical mean violation law admits a direct exchangeability-based derivation. In this view, discarded samples naturally appear as admissible exceptions. We also introduce a simple modular composition rule that combines several blockwise calibration certificates into a single joint guarantee. This rule proves particularly useful in multi-output prediction and finite-horizon control, where engineers must distribute risk across coordinates, constraints, or prediction steps. Finally, we provide numerical illustrations using a calibrated multi-step tube around an identified predictor. These examples compare alternative stage-wise risk allocations and highlight the resulting performance and safety trade-offs in a standard constraint-tightening problem.
• Abstract（参考訳）: シナリオ最適化と共形予測は、有限サンプルを安全マージンに変換するという共通の目標を共有している。 しかし、異なる用語はそれぞれの保証の間の関係を曖昧にすることが多い。 本稿では,システム・アンド・コントロールの観点から,その接続を直接検討する。 直近のコンフォメーション/セサリオ橋(英語版)上に構築され、フォワード方向を実行可能なサンプル・アンド・ディスカードシナリオアルゴリズムに拡張する。 特に、最終決定が保持されたサンプル制約の安定部分集合によって決定される場合、古典的平均違反法は直接交換可能性に基づく導出を認める。 この見方では、廃棄されたサンプルは当然許容可能な例外として現れる。 また,複数のブロック単位の校正証明書を単一のジョイント保証に組み合わせた,単純なモジュラ構成ルールを導入する。 このルールは、エンジニアが座標、制約、予測ステップにまたがってリスクを分散しなければならない、多出力予測と有限水平制御において特に有用である。 最後に,同定された予測器の周囲にキャリブレーションされた多段管を用いて数値図示を行う。 これらの例は、ステージワイドのリスクアロケーションを比較し、標準的な制約強化問題における結果のパフォーマンスと安全性のトレードオフを強調します。

関連論文リスト

• CAOS: Conformal Aggregation of One-Shot Predictors [0.0]
  ワンショット予測は、1つのラベル付き例のみを使用して、事前訓練された基礎モデルの新しいタスクへの迅速な適応を可能にする。 標準分割コンフォメーション法は、データ分割と単一の予測器への依存のため、ワンショット設定では非効率である。 本稿では,複数のワンショット予測器を適応的に集約するコンフォーマルフレームワークである1ショット予測器のコンフォーマルアグリゲーション(CAOS)を提案する。
  論文  参考訳（メタデータ） (2026-01-08T18:44:21Z)
• 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)
• SConU: Selective Conformal Uncertainty in Large Language Models [59.25881667640868]
  SconU(Selective Conformal Uncertainity)と呼ばれる新しいアプローチを提案する。 我々は,特定の管理可能なリスクレベルで設定されたキャリブレーションの不確実性分布から,与えられたサンプルが逸脱するかどうかを決定するのに役立つ2つの共形p値を開発する。 我々のアプローチは、単一ドメインと学際的コンテキストの両方にわたる誤発見率の厳密な管理を促進するだけでなく、予測の効率を高める。
  論文  参考訳（メタデータ） (2025-04-19T03:01:45Z)
• Bin-Conditional Conformal Prediction of Fatalities from Armed Conflict [0.5312303275762104]
  ユーザ定義サブセット間の一貫したカバレッジ率を確保することにより、標準コンフォメーション予測を強化するビン条件コンフォメーション予測(BCCP)を導入する。 標準共形予測と比較すると、BCCPは局所的カバレッジを改善するが、これはわずかに広い予測間隔のコストがかかる。
  論文  参考訳（メタデータ） (2024-10-18T14:41:42Z)
• Conformal Generative Modeling with Improved Sample Efficiency through Sequential Greedy Filtering [55.15192437680943]
  生成モデルは出力に対する厳密な統計的保証を欠いている。 厳密な統計的保証を満たす予測セットを生成する逐次共形予測法を提案する。 このことは、高い確率で予測セットが少なくとも1つの許容可能な(または有効な)例を含むことを保証している。
  論文  参考訳（メタデータ） (2024-10-02T15:26:52Z)
• Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
  確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。 本手法は, 精度の高い問題に特に適している。 提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
  論文  参考訳（メタデータ） (2023-11-08T00:10:21Z)
• On Regularization and Inference with Label Constraints [62.60903248392479]
  機械学習パイプラインにおけるラベル制約を符号化するための2つの戦略、制約付き正規化、制約付き推論を比較した。 正規化については、制約に不整合なモデルを前置することで一般化ギャップを狭めることを示す。 制約付き推論では、モデルの違反を訂正することで人口リスクを低減し、それによってその違反を有利にすることを示す。
  論文  参考訳（メタデータ） (2023-07-08T03:39:22Z)
• 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)
• Approximate Conditional Coverage via Neural Model Approximations [0.030458514384586396]
  実験的に信頼性の高い近似条件付きカバレッジを得るためのデータ駆動手法を解析する。 我々は、限界範囲のカバレッジ保証を持つ分割型代替案で、実質的な(そして、そうでない)アンダーカバーの可能性を実証する。
  論文  参考訳（メタデータ） (2022-05-28T02:59:05Z)

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。