論文の概要: Upper Entropy for 2-Monotone Lower Probabilities

• arxiv url: http://arxiv.org/abs/2603.23558v1
• Date: Mon, 23 Mar 2026 22:52:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-26 21:06:10.935873
• Title: Upper Entropy for 2-Monotone Lower Probabilities
• Title（参考訳）: 2-モノトン低確率における上エントロピー
• Authors: Tuan-Anh Vu, Sébastien Destercke, Frédéric Pichon,
• Abstract要約: 不確実性定量化は、モデル選択や規則化、アクティブラーニングやOOD検出を行うための不確実性予測など、多くのタスクにおいて重要な側面である。 本稿では,上位エントロピーの計算的側面に焦点をあて,その問題を網羅的に分析する。
• 参考スコア（独自算出の注目度）: 2.2781185438776306
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Uncertainty quantification is a key aspect in many tasks such as model selection/regularization, or quantifying prediction uncertainties to perform active learning or OOD detection. Within credal approaches that consider modeling uncertainty as probability sets, upper entropy plays a central role as an uncertainty measure. This paper is devoted to the computational aspect of upper entropies, providing an exhaustive algorithmic and complexity analysis of the problem. In particular, we show that the problem has a strongly polynomial solution, and propose many significant improvements over past algorithms proposed for 2-monotone lower probabilities and their specific cases.
• Abstract（参考訳）: 不確実性定量化は、モデル選択/規則化や、アクティブラーニングやOOD検出を行うための予測の不確実性の定量化など、多くのタスクにおいて重要な側面である。 モデリングの不確実性を確率集合として考えるクレダルアプローチの中で、上エントロピーは不確実性尺度として中心的な役割を果たす。 本稿では,高次エントロピーの計算的側面に焦点をあて,この問題のアルゴリズム的・複雑度解析を行う。 特に, この問題には強い多項式解があり, 2-モノトーン低確率とその特定の場合に対して提案したアルゴリズムよりも多くの重要な改善が提案されている。

関連論文リスト

• Probabilities Are All You Need: A Probability-Only Approach to Uncertainty Estimation in Large Language Models [13.41454380481593]
  不確実性推定は、しばしば予測エントロピー推定を用いて、この問題に対処する鍵となる。 本稿では,応答のトップ-$K$確率を用いて予測エントロピーを近似する,効率的でトレーニング不要な不確実性推定手法を提案する。
  論文  参考訳（メタデータ） (2025-11-10T23:31:43Z)
• Fundamental Computational Limits in Pursuing Invariant Causal Prediction and Invariance-Guided Regularization [11.940138507727577]
  異種環境からの不変な予測は、純粋にデータ駆動の方法で因果関係を学ぶための扉を開く。 サンプル効率を推定できる既存の方法は指数時間アルゴリズムに基づいている。 本稿では,追加条件下での計算的および統計的に効率的に推定できる手法を提案する。
  論文  参考訳（メタデータ） (2025-01-29T00:29:36Z)
• Uncertainty in Additive Feature Attribution methods [34.80932512496311]
  本稿では,付加的特徴帰属説明法のクラスに焦点をあてる。 特徴の属性と不確実性との関係を考察し,相関関係をほとんど観察しない。 このようなインスタンスに対して"stable instance"という用語を作り、インスタンスを安定させる要因を診断します。
  論文  参考訳（メタデータ） (2023-11-29T08:40:46Z)
• High-Probability Bounds for Stochastic Optimization and Variational Inequalities: the Case of Unbounded Variance [59.211456992422136]
  制約の少ない仮定の下で高確率収束結果のアルゴリズムを提案する。 これらの結果は、標準機能クラスに適合しない問題を最適化するために検討された手法の使用を正当化する。
  論文  参考訳（メタデータ） (2023-02-02T10:37:23Z)
• Introduction and Exemplars of Uncertainty Decomposition [3.0349501539299686]
  不確実性は、機械学習分野において重要な役割を果たす。 本報告は,2種類の不確かさといくつかの分解例を紹介することによって,不確実性分解の概念を確定することを目的としている。
  論文  参考訳（メタデータ） (2022-11-17T17:14:34Z)
• Optimistic MLE -- A Generic Model-based Algorithm for Partially Observable Sequential Decision Making [48.87943416098096]
  本稿では,一般的な逐次決定のための簡単な学習アルゴリズムを提案する。 我々は,OMLEが極めて豊富な逐次的意思決定問題のクラスにおいて,ほぼ最適ポリシーを学習していることを証明する。
  論文  参考訳（メタデータ） (2022-09-29T17:56:25Z)
• An Application of a Multivariate Estimation of Distribution Algorithm to Cancer Chemotherapy [59.40521061783166]
  癌に対する化学療法治療は、多数の相互作用する変数と制約を持つ複雑な最適化問題である。 より洗練されたアルゴリズムは、このような複雑な問題に対してより良いパフォーマンスをもたらすことが示される。 我々は、この問題における多数の相互作用によって、より洗練されたアルゴリズムが妨げられていることが原因であると仮定する。
  論文  参考訳（メタデータ） (2022-05-17T15:28:46Z)
• Uncertainty Determines the Adequacy of the Mode and the Tractability of Decoding in Sequence-to-Sequence Models [11.258630552727432]
  ニューラルシークエンスモデルによって学習された分布のあいまいさ(内在不確実性とも呼ばれる)がどのように形成されるかを分析する。 その結果,ビーム探索誤差の多さ,モードの不十分さ,ビームサイズが大きいシステム性能の低下など,曖昧性の高いタスクに適用できることが示唆された。
  論文  参考訳（メタデータ） (2022-04-01T14:30:19Z)
• A Variational Inference Approach to Inverse Problems with Gamma Hyperpriors [60.489902135153415]
  本稿では,ガンマハイパープライヤを用いた階層的逆問題に対する変分反復交替方式を提案する。 提案した変分推論手法は正確な再構成を行い、意味のある不確実な定量化を提供し、実装が容易である。
  論文  参考訳（メタデータ） (2021-11-26T06:33:29Z)

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。