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
• Authors: Rafael Mouallem Rosa, Julyan Arbel, Hien Duy Nguyen,
• 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

• 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)
• 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)
• 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)
• 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。

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。