Fugu-MT 論文翻訳(概要): Bayesian inference with sources of uncertainty: from confidence modelling to sparse estimation

論文の概要: Bayesian inference with sources of uncertainty: from confidence modelling to sparse estimation

arxiv url: http://arxiv.org/abs/2605.03134v1
Date: Mon, 04 May 2026 20:19:07 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-06 19:35:43.639635
Title: Bayesian inference with sources of uncertainty: from confidence modelling to sparse estimation
Title（参考訳）: 不確実性源によるベイズ推定--信頼モデリングからスパース推定へ
Abstract要約: 本研究では,ベイズ推定を拡張した一般の枠組みを導入し,モデル内の不確実性源に対する信頼度を明確にエンコードする。本稿では,統計モデルにおけるスパーシリティを誘導する一般的な手法を開発し,線形回帰やロジスティック回帰,ベイズニューラルネットワークでの利用を例示する。
参考スコア（独自算出の注目度）: 2.1236017031644967
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce a general framework that extends Bayesian inference by allowing the researcher to explicitly encode confidence in each source of uncertainty within the model. This mechanism provides a new handle for model design and regularisation control. Building on this framework, we develop a general approach for inducing sparsity in statistical models and illustrate its use in linear and logistic regression, as well as in Bayesian neural networks.
Abstract（参考訳）: 本研究では,ベイズ推定を拡張した一般の枠組みを導入し,モデル内の不確実性源に対する信頼度を明確にエンコードする。このメカニズムは、モデル設計と正規化制御のための新しいハンドルを提供する。この枠組みを基盤として,統計モデルにおけるスパーシリティを誘導する一般的なアプローチを開発し,線形回帰やロジスティック回帰,ベイズニューラルネットワークでの利用を例示する。

関連論文リスト

Joint Model and Data Sparsification via the Marginal Likelihood [53.29070892356214]
本稿では,個々の特徴とサンプルの相違点を同時学習し,同時にモデルとデータスペーシングを実現することを提案する。このモデルとデータの対称的なプルーニングは、共役を保存する自然な拡張を提供する。多様な回帰タスクにわたる経験的結果は、共同ARDアプローチがスパースモデルとロバスト予測モデルの両方を一貫して生成することを確認した。
論文参考訳（メタデータ） (2026-05-28T13:26:53Z)
A Statistical Assessment of Amortized Inference Under Signal-to-Noise Variation and Distribution Shift [0.9590253747787195]
近年、ディープニューラルネットワークと基礎モデルの成功により、統計モデリングの新しいパラダイムが生まれている。償却推論では、近似した後方または予測を生成するニューラルネットワークをトレーニングするために、実質的な計算が前もって投資される。償却推論の人気が高まっているにもかかわらず、その統計的解釈とベイズ推論におけるその役割はいまだに理解されていない。
論文参考訳（メタデータ） (2026-01-12T19:21:51Z)
From Distributional to Quantile Neural Basis Models: the case of Electricity Price Forecasting [42.062078728472734]
本稿では,Quantile Generalized Additive Modelの解釈可能性原理を取り入れたQuantile Neural Basis Modelを紹介する。我々は,日頭電力価格予測へのアプローチを検証し,分散および量子レグレッションニューラルネットワークに匹敵する予測性能を実現する。
論文参考訳（メタデータ） (2025-09-17T15:55:59Z)
Variational Bayesian Bow tie Neural Networks with Shrinkage [0.276240219662896]
我々は,層間における分布仮定や独立性を回避する高速で近似的な変分推論アルゴリズムを開発した。我々はPolya-Gammaデータ拡張トリックを使用し、条件付き線形およびガウス的モデルを描画する。
論文参考訳（メタデータ） (2024-11-17T17:36:30Z)
Rigorous Probabilistic Guarantees for Robust Counterfactual Explanations [80.86128012438834]
モデルシフトに対する反ファクトの堅牢性を計算することはNP完全であることを示す。本稿では,頑健性の厳密な推定を高い保証で実現する新しい確率論的手法を提案する。
論文参考訳（メタデータ） (2024-07-10T09:13:11Z)
Bayesian learning of Causal Structure and Mechanisms with GFlowNets and Variational Bayes [51.84122462615402]
本研究では,変分ベイズ-DAG-GFlowNetを用いて因果モデルの構造と機構を学習する手法を提案する。我々は,GFlowNetを用いたベイズ因果構造学習の手法を拡張し,線形ガウスモデルのパラメータを学習する。
論文参考訳（メタデータ） (2022-11-04T21:57:39Z)
Contributions to Large Scale Bayesian Inference and Adversarial Machine Learning [0.0]
ML手法の急速な採用により、モデルは通常、予測の不確実性を考慮せずに決定を下すために採用されていることが明らかになった。我々は,予測的説明の不確実性を考慮したMLシステムの開発が現実のタスクにとって必須であると考えている。
論文参考訳（メタデータ） (2021-09-25T23:02:47Z)
Trust but Verify: Assigning Prediction Credibility by Counterfactual Constrained Learning [123.3472310767721]
予測信頼性尺度は統計学と機械学習において基本的なものである。これらの措置は、実際に使用される多種多様なモデルを考慮に入れるべきである。この研究で開発されたフレームワークは、リスクフィットのトレードオフとして信頼性を表現している。
論文参考訳（メタデータ） (2020-11-24T19:52:38Z)
Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
後続正則化に基づく近似ベイズ推定法を開発した。前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
論文参考訳（メタデータ） (2020-06-26T13:50:19Z)
Bayesian Deep Learning and a Probabilistic Perspective of Generalization [56.69671152009899]
ディープアンサンブルはベイズ辺化を近似する有効なメカニズムであることを示す。また,アトラクションの流域内での辺縁化により,予測分布をさらに改善する関連手法を提案する。
論文参考訳（メタデータ） (2020-02-20T15:13:27Z)

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。