論文の概要: Optimal Spatio-Temporal Decoupling for Bayesian Conformal Prediction

• arxiv url: http://arxiv.org/abs/2605.00432v1
• Date: Fri, 01 May 2026 06:07:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 17:43:28.865514
• Title: Optimal Spatio-Temporal Decoupling for Bayesian Conformal Prediction
• Title（参考訳）: ベイジアン等角予測のための最適時空間デカップリング
• Abstract要約: コンフォーマル予測(CP)は、時間的適応性と安定性のバランスをとるのに苦労する。 最適デカップリングを実現するために,適応状態適応型コンフォーマル予測(SABCP)を提案する。 我々はこのメカニズムの最適性を厳格に証明し、エビデンスしきい値$K$で支配されるミニマックスバイアス分散トレードオフを特定する。
• 参考スコア（独自算出の注目度）: 0.890140378079805
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Online Conformal Prediction (CP) struggles to balance temporal adaptability and structural stability. Feedback-driven methods (e.g., Adaptive Conformal Inference (ACI)) suffer from systemic marginal under-coverage and high interval variance during abrupt shifts, while temporally discounted Bayesian CP suffers from severe structural lag and uncalibrated interval bloat. We propose State-Adaptive Bayesian Conformal Prediction (SA-BCP) to achieve optimal spatio-temporal decoupling. By gating long-term temporal inertia with spatial kernel-density evidence, SA-BCP proactively expands intervals for recognized historical regimes while maintaining tight efficiency during stable states. We rigorously prove this mechanism's optimality, identifying a minimax bias-variance tradeoff governed by an evidence threshold $K$. Extensive benchmarks on volatile financial datasets (2016--2026), including AMD, Gold, and GBP/USD, demonstrate that SA-BCP consistently minimizes the strictly proper Winkler score across diverse confidence levels. Specifically, SA-BCP resolves the systematic under-coverage inherent to ACI variants while simultaneously reducing the uncalibrated interval bloat of Bayesian CP by 10\% to 37\% under high-confidence requests. By elegantly navigating this tradeoff, SA-BCP achieves an optimal balance between conditional reliability and predictive efficiency.
• Abstract（参考訳）: オンラインコンフォーマル予測(CP)は、時間的適応性と構造的安定性のバランスをとるのに苦労している。 アダプティブ・コンフォーマル推論 (Adaptive Conformal Inference, ACI) は, 急激なシフト中に, 急激な周縁的低被覆と高間隔のばらつきに悩まされ, ベイズCPは急激な構造遅延と未調整間隔の肥大に悩まされる。 最適時空間分離を実現するために, 状態適応型ベイズ変換予測(SA-BCP)を提案する。 長期的時間的慣性に空間的核密度の証拠を付与することにより、SA-BCPは安定した状態において厳密な効率を維持しつつ、認識された歴史的状態の間隔を積極的に拡大する。 我々はこのメカニズムの最適性を厳格に証明し、エビデンスしきい値$K$で支配されるミニマックスバイアス分散トレードオフを特定する。 AMD、Gold、GBP/USDを含む揮発性金融データセット(2016-2026)の大規模なベンチマークは、SA-BCPが様々な信頼レベルにわたって厳密に適切なウィンクラースコアを一貫して最小化することを示した。 具体的には、SA-BCP は ACI 変種固有の系統的下層被覆を解消し、高信頼要求下でベイズCP の未校正間隔の肥大を 10 % から 37 % に減らした。 このトレードオフをエレガントにナビゲートすることで、SA-BCPは条件付き信頼性と予測効率の最適なバランスを達成する。

関連論文リスト

• Beyond Token-Local Imitation: Reward-Compatible Temporal Credit Assignment for On-Policy Distillation [31.594936994611043]
  オンライン蒸留(OPD)は,大規模言語モデルのポストトレーニングに有効な手法である。 我々は、長期監督と最適化の安定性のバランスをとるために、ディスカウントされた時間的クレジット割当を利用する$OPDを提案する。 我々は,$mathrmOPD$に対する報酬互換な有界混合機構を開発し,検証結果のフィードバックと割引OPDの利点のバランスをとる。
  論文  参考訳（メタデータ） (2026-09-15T10:12:56Z)
• SPARC: Single-Pass Scaling for Motion Forecasting with Conformal Bayesian Last Layers [1.4452289368758382]
  シングルパス適応リスク(英: Single-Pass Adaptive Risk)は、人間の動き予測器に対する構造的、校正的、効率的な不確実性推定である。 決定論的バックボーンは将来の平均を予測し、共役ベイズ最後の層は時間領域の特徴レバレッジを解析的地平線スケールに変換する。 NLLと組み合わせたMPJPE+NLLの基準では、競争点の精度と効率的な校正管を維持している。
  論文  参考訳（メタデータ） (2026-08-21T07:20:22Z)
• The Road Taken: The Role of Optimizers at the Edge of Stability [53.81268610971847]
  安定性のエッジ(Edge of stability)とは、古典的な降下が不安定であると予測されるしきい値より上のヘッセンの固有値が安定である深層学習における現象を指す。 それまでの研究は、最大ヘッセン固有値と学習率に関して安定性の端を定式化していた。 我々は、勾配降下を含む多くの一階法が、これらの理論によって予測される安定性を21.1ドルという大きな因子で著しく破っていることを観察した。
  論文  参考訳（メタデータ） (2026-08-19T01:03:34Z)
• Dynamic Regime-Aware Conformal Calibration for Reliable Economic Forecast Intervals under Multiple Distribution Shifts [0.0]
  等角予測は分布のない予測間隔を提供するが、交換可能性に依存する。 DRACP(Dynamic Regime-Aware Conformal Prediction)を提案する。 DRACPは、密度比、ローカライズされたカーネル、確率論的レジーム認識重み付けと自己調整型オンライン重要度コントローラを組み合わせる。
  論文  参考訳（メタデータ） (2026-08-17T19:36:15Z)
• RAVEN: A Regime-Aware Variable-context Expert Network for Financial Time Series Forecasting [83.06074370551887]
  固定コンテキストウィンドウは、非定常価格プロセスの時間変化最適振り返りと一致しない。 本稿では,各サンプルの時間的文脈を適応的に決定するMixture-of-Expertsフレームワークを提案する。 累積ログリターン予測(HS300、S&P500)およびファンド販売予測の実験では、RAVENはSOTAのパフォーマンスを達成し、HS300ではピアソン相関を9.2%改善し、S&P500では20.2%改善し、MSEを18.2%削減している。
  論文  参考訳（メタデータ） (2026-06-23T02:11:04Z)
• Multimodal Learning on Low-Quality Data with Conformal Predictive Self-Calibration [72.0672328514289]
  マルチモーダル学習は、しばしば低品質データの課題に悩まされる。 コンフォーマル予測自己校正(Conformal Predictive Self-Calibration)と呼ばれる統合フレームワークを提案する。 私たちのフレームワークは、既存の最先端メソッドを一貫して上回ります。
  論文  参考訳（メタデータ） (2026-05-05T14:48:52Z)
• Conformalized Percentile Interval: Finite Sample Validity and Improved Conditional Performance [9.975170291185004]
  ニューラルネットワークを用いて推定した条件累積分布関数(CDF)の確率積分変換(PIT)により得られる応答に対する共形型キャリブレーション法を提案する。 多様な合成および実世界のベンチマークの実験は、既存の方法よりも条件キャリブレーションが良く、時間間隔もかなり短いことを示している。
  論文  参考訳（メタデータ） (2026-05-04T23:51:36Z)
• KD-EKF: Knowledge-Distilled Adaptive Covariance EKF for Robust UWB/PDR Indoor Localization [6.004649968619912]
  屋内でのローカライゼーションは、センチメートルレベルの精度と低レイテンシを提供する。 非視界条件下では測定信頼性が著しく低下する。 慣性測定ユニット(IMU)をベースとしたPDR(Pedestrian Dead Reckoning)は,インフラストラクチャフリーな動作推定を提供する。
  論文  参考訳（メタデータ） (2026-03-06T03:12:52Z)
• BandPO: Bridging Trust Regions and Ratio Clipping via Probability-Aware Bounds for LLM Reinforcement Learning [49.25750348525603]
  BandPOは、信頼領域を動的で確率対応のクリッピング間隔に投影する統一理論演算子であるBandに取って代わる。 BandPOはカノニカルクリッピングやClip-Higherより一貫して優れ,エントロピー崩壊の軽減が図られている。
  論文  参考訳（メタデータ） (2026-03-05T08:03:05Z)
• Interval-Based AUC (iAUC): Extending ROC Analysis to Uncertainty-Aware Classification [12.024101882027466]
  本研究では,不確実性を考慮したROCフレームワークを提案する。 AUC_L$ と $AUC_U$ の2つの新しい手段を導入する。 有効なクラス条件付きカバレッジでは、$AUC_L$ と $AUC_U$ は理論最適 AUC の形式的下限と上限を提供する。
  論文  参考訳（メタデータ） (2026-02-04T17:12:04Z)
• Not All Preferences Are Created Equal: Stability-Aware and Gradient-Efficient Alignment for Reasoning Models [52.48582333951919]
  ポリシー更新の信号対雑音比を最大化することにより、アライメントの信頼性を高めるために設計された動的フレームワークを提案する。 SAGE(Stability-Aware Gradient Efficiency)は、モデル能力に基づいて候補プールをリフレッシュする粗いきめ細かいカリキュラムメカニズムを統合する。 複数の数学的推論ベンチマークの実験により、SAGEは収束を著しく加速し、静的ベースラインを上回っていることが示された。
  論文  参考訳（メタデータ） (2026-02-01T12:56:10Z)
• Stopping Rules for Stochastic Gradient Descent via Anytime-Valid Confidence Sequences [51.56484100374058]
  凸最適化のための勾配降下(SGD)の停止規則について検討した。 我々は、投影されたSGDの重み付き平均準最適度に対して、任意の有意、データ依存の高信頼シーケンスを開発する。 これらは、厳格でタイムユニフォームなパフォーマンス保証と、有限時間$varepsilon$-optimality証明書である。
  論文  参考訳（メタデータ） (2025-12-15T09:26:45Z)
• Bridging the Gap Between Bayesian Deep Learning and Ensemble Weather Forecasts [100.26854618129039]
  天気予報は、大気のカオス的な性質によって根本的に挑戦されている。 ベイジアンディープラーニング(BDL)の最近の進歩は、有望だがしばしば非接続な代替手段を提供する。 気象予報のための統合型BDLフレームワークにより,これらのパラダイムを橋渡しする。
  論文  参考訳（メタデータ） (2025-11-18T07:49:52Z)
• SpeedCP: Fast Kernel-based Conditional Conformal Prediction [10.431187957711206]
  等角予測は有限サンプル条件付き分布自由予測セットを提供する。 我々は,RKHSをベースとしたGibsら(2023)のフレームワークを構築し,近似条件等角予測区間を提供する。 我々は,正則化RKHS整合最適化問題の完全な解経路を計算する,安定かつ効率的なアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2025-09-28T22:38:33Z)
• Synthetic Counterfactual Labels for Efficient Conformal Counterfactual Inference [31.505735933428213]
  本研究は,個々の対実的な結果に対して信頼性のある予測区間を構築することの課題に対処する。 既存の共形反事実推論(CCI)手法は、限界範囲のカバレッジを保証するが、過度に保守的な間隔を生じることが多い。 本稿では,合成データを用いたCCI(SP-CCI)について紹介する。
  論文  参考訳（メタデータ） (2025-09-04T11:22:08Z)
• Kernel-based Optimally Weighted Conformal Prediction Intervals [12.814084012624916]
  カーネルを用いた最適重み付き等角予測区間(KOWCPI)を提案する。 KOWCPIは古典的なReweighted Nadaraya-Watson (RNW) 推定器を従属データに対する量子回帰に適応させ、最適なデータ適応重みを学習する。 実時間および合成時系列データに対するKOWCPIの性能を最先端の手法と比較した。
  論文  参考訳（メタデータ） (2024-05-27T04:49:41Z)

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。