Fugu-MT 論文翻訳(概要): Aggregation in conformal e-classification

論文の概要: Aggregation in conformal e-classification

arxiv url: http://arxiv.org/abs/2605.07963v1
Date: Fri, 08 May 2026 16:26:19 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-11 19:43:39.20014
Title: Aggregation in conformal e-classification
Title（参考訳）: 共形e-クラス化における集合
Abstract要約: クロスコンフォーマル e-prediction は、コンフォーマル e-predictor を集約する既存の方法である。本稿では,共形電子予測器を集約する既存の手法であるクロスコンフォーマルな電子予測法について実験的に検討する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Aggregating conformal predictors is a standard way of balancing their predictive and computational efficiency while retaining their validity, at least approximately. An important advantage of conformal e-predictors is that they are easier to aggregate without sacrificing their validity. This paper studies experimentally cross-conformal e-prediction, which is an existing method of aggregating conformal e-predictors, and its modifications that are conceptually simpler and more flexible.
Abstract（参考訳）: アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーションは、予測効率と計算効率のバランスをとる標準的な方法である。共形予測器の重要な利点は、それらの妥当性を犠牲にすることなく集約しやすくなることである。本稿では,共形電子予測器を集約する既存の手法であるクロスコンフォーマルな電子予測法と,概念上よりシンプルで柔軟な修正法について検討する。

関連論文リスト

Conformal Prediction for Dyadic Regression Under Complex Missingness [2.7512870037345696]
本研究では,複雑な欠落機構の下での動的回帰問題における共形予測の枠組みを開発する。連続応答と離散応答の両方に対して条件付き妥当性を示す。これは、不足非ランダムな仮定の下での重み付き共形予測に対する条件付き妥当性の最初の公式な証明である。
論文参考訳（メタデータ） (2026-06-09T17:28:07Z)
CAOS: Conformal Aggregation of One-Shot Predictors [0.0]
ワンショット予測は、1つのラベル付き例のみを使用して、事前訓練された基礎モデルの新しいタスクへの迅速な適応を可能にする。標準分割コンフォメーション法は、データ分割と単一の予測器への依存のため、ワンショット設定では非効率である。本稿では,複数のワンショット予測器を適応的に集約するコンフォーマルフレームワークである1ショット予測器のコンフォーマルアグリゲーション(CAOS)を提案する。
論文参考訳（メタデータ） (2026-01-08T18:44:21Z)
Symmetric Aggregation of Conformity Scores for Efficient Uncertainty Sets [6.673032375204486]
複数の予測器から非整合性スコアを集約する新しい手法であるSACP(Symmetric Aggregated Conformal Prediction)を提案する。 SACP はこれらのスコアを e-値に変換し、任意の対称アグリゲーション関数を用いてそれらを結合する。我々はSACPが効率を継続的に改善し、しばしば最先端のモデルアグリゲーションベースラインを上回っていることを示す。
論文参考訳（メタデータ） (2025-12-07T17:54:07Z)
E-Values Expand the Scope of Conformal Prediction [49.1574468325115]
コンフォーマル予測は、分布のない不確実性定量化のための強力なフレームワークである。本稿では,共形e-predictionと呼ばれる電子値に基づく代替手法について検討する。 E値は、p値では達成できない重要な利点を提供し、新しい理論的および実用的能力を実現する。
論文参考訳（メタデータ） (2025-03-17T10:54:30Z)
Rectifying Conformity Scores for Better Conditional Coverage [75.73184036344908]
本稿では,分割共形予測フレームワーク内で信頼セットを生成する新しい手法を提案する。本手法は,任意の適合度スコアのトレーニング可能な変換を行い,条件付き範囲を正確に確保しつつ,条件付き範囲を改善する。
論文参考訳（メタデータ） (2025-02-22T19:54:14Z)
Efficient Conformal Prediction under Data Heterogeneity [79.35418041861327]
コンフォーマル予測(CP)は不確実性定量化のための頑健な枠組みである。非交換性に対処するための既存のアプローチは、最も単純な例を超えて計算不可能なメソッドにつながる。この研究は、比較的一般的な非交換可能なデータ分布に対して証明可能な信頼セットを生成する、CPに新しい効率的なアプローチを導入する。
論文参考訳（メタデータ） (2023-12-25T20:02:51Z)
Federated Conformal Predictors for Distributed Uncertainty Quantification [83.50609351513886]
コンフォーマル予測は、機械学習において厳密な不確実性定量化を提供するための一般的なパラダイムとして現れつつある。本稿では,共形予測を連邦学習環境に拡張する。本稿では、FL設定に適した部分交換可能性の弱い概念を提案し、それをフェデレート・コンフォーマル予測フレームワークの開発に利用する。
論文参考訳（メタデータ） (2023-05-27T19:57:27Z)
Improving Adaptive Conformal Prediction Using Self-Supervised Learning [72.2614468437919]
我々は、既存の予測モデルの上に自己教師付きプレテキストタスクを持つ補助モデルを訓練し、自己教師付きエラーを付加的な特徴として用いて、非整合性スコアを推定する。合成データと実データの両方を用いて、効率(幅)、欠陥、共形予測間隔の超過といった付加情報の利点を実証的に実証する。
論文参考訳（メタデータ） (2023-02-23T18:57:14Z)
Predictive Inference with Feature Conformal Prediction [80.77443423828315]
本稿では,特徴空間への共形予測の範囲を拡大する特徴共形予測を提案する。理論的観点からは、特徴共形予測は軽度の仮定の下で正則共形予測よりも確実に優れていることを示す。提案手法は,バニラ共形予測だけでなく,他の適応共形予測手法と組み合わせることができる。
論文参考訳（メタデータ） (2022-10-01T02:57:37Z)
Conformal e-prediction [0.0]
コンフォーマルな電子予測は概念的には単純であり、1990年代に共形予測の前駆体として開発された。本稿では, 共形予測と共形予測の関係を現代的観点から体系的に再検討する。
論文参考訳（メタデータ） (2020-01-16T18:41:17Z)

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。