論文の概要: Revisiting Active Sequential Prediction-Powered Mean Estimation

• arxiv url: http://arxiv.org/abs/2604.18569v1
• Date: Mon, 20 Apr 2026 17:55:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:53.035259
• Title: Revisiting Active Sequential Prediction-Powered Mean Estimation
• Title（参考訳）: 逐次予測に基づく平均推定の再検討
• Authors: Maria-Eleni Sfyraki, Jun-Kun Wang,
• Abstract要約: 我々は、推定器の非漸近解析を開発し、その信頼区間にデータ依存のバウンダリを確立する。 さらに,クエリ確率を決定するために非regret学習アプローチを用いると,クエリ確率はクエリ確率の最大値の制約に収束することを示す。
• 参考スコア（独自算出の注目度）: 6.660458629649825
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, we revisit the problem of active sequential prediction-powered mean estimation, where at each round one must decide the query probability of the ground-truth label upon observing the covariates of a sample. Furthermore, if the label is not queried, the prediction from a machine learning model is used instead. Prior work proposed an elegant scheme that determines the query probability by combining an uncertainty-based suggestion with a constant probability that encodes a soft constraint on the query probability. We explored different values of the mixing parameter and observed an intriguing empirical pattern: the smallest confidence width tends to occur when the weight on the constant probability is close to one, thereby reducing the influence of the uncertainty-based component. Motivated by this observation, we develop a non-asymptotic analysis of the estimator and establish a data-dependent bound on its confidence interval. Our analysis further suggests that when a no-regret learning approach is used to determine the query probability and control this bound, the query probability converges to the constraint of the max value of the query probability when it is chosen obliviously to the current covariates. We also conduct simulations that corroborate these theoretical findings.
• Abstract（参考訳）: そこで本研究では,各ラウンドにおいて,サンプルの共変量を観察して,接地トラスラベルの問合せ確率を決定するような,逐次的予測による平均推定の問題を再考する。 さらに、ラベルがクエリされていなければ、代わりに機械学習モデルからの予測が使用される。 先行研究では、不確実性に基づく提案と、クエリ確率にソフト制約をエンコードする一定の確率を組み合わせることで、クエリ確率を決定するエレガントなスキームを提案した。 一定確率の重みが1に近づくと、最小の信頼幅が生じる傾向にあり、不確実性に基づく成分の影響が減少する。 本研究の目的は,推定器の非漸近解析を開発し,その信頼区間にデータ依存的境界を確立することである。 さらに,非回帰学習手法を用いてクエリ確率を決定・制御すると,クエリ確率はクエリ確率の最大値の制約に収束することが示唆された。 また、これらの理論的な発見を裏付けるシミュレーションも行います。

関連論文リスト

• Model uncertainty quantification using feature confidence sets for outcome excursions [0.0]
  本稿では,連続的および二項的結果の不確かさを定量化するための,新しいモデルに依存しない枠組みを提案する。 シミュレーションを通じて検証され、住宅価格予測や医療における敗血症診断の時間といったコンテキストにおける実世界のデータセットに適用される。
  論文  参考訳（メタデータ） (2025-04-28T04:08:07Z)
• Bayesian meta learning for trustworthy uncertainty quantification [3.683202928838613]
  ベイズメタ学習のための新しい最適化フレームワークであるTrust-Bayesを提案する。 所定間隔で捕捉される基底真理の確率の低い境界を特徴付ける。 我々は、信頼に値する不確実性定量化の可能な確率について、サンプルの複雑さを解析する。
  論文  参考訳（メタデータ） (2024-07-27T15:56:12Z)
• Score Matching-based Pseudolikelihood Estimation of Neural Marked Spatio-Temporal Point Process with Uncertainty Quantification [59.81904428056924]
  我々は、不確実な定量化を伴うmarkPsを学習するためのスコアMAtching推定器であるSMASHを紹介する。 具体的には,スコアマッチングによるマークPsの擬似的類似度を推定することにより,正規化自由度を推定する。 提案手法の優れた性能は、事象予測と不確実性定量化の両方において広範な実験によって実証される。
  論文  参考訳（メタデータ） (2023-10-25T02:37:51Z)
• Invariant Probabilistic Prediction [45.90606906307022]
  任意の分布シフトは、一般に不変かつ頑健な確率的予測を認めないことを示す。 Invariant probabilistic predictions called IPP, and study the consistency of the underlying parameters。
  論文  参考訳（メタデータ） (2023-09-18T18:50:24Z)
• The Implicit Delta Method [61.36121543728134]
  本稿では,不確実性のトレーニング損失を無限に正規化することで機能する,暗黙のデルタ法を提案する。 有限差分により無限小変化が近似された場合でも, 正則化による評価の変化は評価推定器の分散に一定であることを示す。
  論文  参考訳（メタデータ） (2022-11-11T19:34:17Z)
• Uncertainty estimation of pedestrian future trajectory using Bayesian approximation [137.00426219455116]
  動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。 著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。 将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
  論文  参考訳（メタデータ） (2022-05-04T04:23:38Z)
• Dense Uncertainty Estimation via an Ensemble-based Conditional Latent Variable Model [68.34559610536614]
  我々は、アレータリック不確実性はデータの固有の特性であり、偏見のないオラクルモデルでのみ正確に推定できると論じる。 そこで本研究では,軌道不確実性推定のためのオラクルモデルを近似するために,列車時の新しいサンプリングと選択戦略を提案する。 以上の結果から,提案手法は精度の高い決定論的結果と確実な不確実性推定の両方を達成できることが示唆された。
  論文  参考訳（メタデータ） (2021-11-22T08:54:10Z)
• Dense Uncertainty Estimation [62.23555922631451]
  本稿では,ニューラルネットワークと不確実性推定手法について検討し,正確な決定論的予測と確実性推定の両方を実現する。 本研究では,アンサンブルに基づく手法と生成モデルに基づく手法の2つの不確実性推定法について検討し,それらの長所と短所を,完全/半端/弱度に制御されたフレームワークを用いて説明する。
  論文  参考訳（メタデータ） (2021-10-13T01:23:48Z)
• The Hidden Uncertainty in a Neural Networks Activations [105.4223982696279]
  ニューラルネットワークの潜在表現の分布は、アウト・オブ・ディストリビューション(OOD)データの検出に成功している。 本研究は、この分布が、モデルの不確実性と相関しているかどうかを考察し、新しい入力に一般化する能力を示す。
  論文  参考訳（メタデータ） (2020-12-05T17:30:35Z)

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。