論文の概要: Bayesian Multiplicity Correction in the Probabilistic Forward Stepwise Framework

• arxiv url: http://arxiv.org/abs/2605.29189v1
• Date: Wed, 27 May 2026 23:57:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:55.564889
• Title: Bayesian Multiplicity Correction in the Probabilistic Forward Stepwise Framework
• Title（参考訳）: 確率的前向きステップワイドフレームワークにおけるベイズ多重度補正
• Authors: Andrew Womack, Daniel Taylor-Rodriguez,
• Abstract要約: 回帰問題に対するモデル空間事前の確率的前方段階表現における自然ベイズ的多重度補正事前分布を開発する。 モデル空間の事前に対する客観的な選択として最近提案されたものを含め、この2つを他のいくつかの前例と比較する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We develop a natural Bayesian multiplicity-correcting prior distribution within the probabilistic forward stepwise representation of model space priors for regression problems. The proposed prior, obtained from making an analogy to the Holm procedure, exhibits behavior closely aligned with that of the Matryoshka doll prior. We compare both priors to several other priors, including some recently put forward as objective choices for model space prior probabilities. Our comparisons indicate that adequate multiplicity correction requires a degree of sparsity that many recommended priors do not provide, and we argue that multiplicity correction itself offers a principled and transparent criterion for specifying model space priors in regression.
• Abstract（参考訳）: 回帰問題に対するモデル空間事前の確率的前方段階表現における自然ベイズ的多重度補正事前分布を開発する。 ホルム法に類似して提案した前者は,前者のマトリオシカ人形の行動と密接に一致した行動を示す。 我々は、モデル空間の事前確率に対する客観的な選択として最近提案されたものを含め、両方の先行を他のいくつかの先行値と比較する。 比較の結果,多くの推奨された先行項が提示しないような空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間

関連論文リスト

• Optimizing Diffusion Priors in Image Reconstruction from a Single Observation [9.813689581505548]
  微調整拡散モデルに対する現在のアプローチは、様々な前方作用素を持つ多くの観測に依存している。 そこで本研究では,既存の拡散前処理を実験対象の製品に組み込むことにより,単一観測のみから先行処理をチューニングする方法を提案する。 証拠は、単一のデータセットでトレーニングされたものを超えて拡張される前例によって最大化されることがよくあります。
  論文  参考訳（メタデータ） (2026-04-22T20:18:57Z)
• A Predictive View on Streaming Hidden Markov Models [0.8122270502556375]
  隠れマルコフモデルをストリーミングするための予測ファースト最適化フレームワークを開発した。 我々の目的は、正確なステップアヘッド予測分布を維持しながら、潜伏状態の逐次同定を行うことである。
  論文  参考訳（メタデータ） (2026-04-10T10:51:50Z)
• Conformalized Adaptive Forecasting of Heterogeneous Trajectories [8.022222226139032]
  本稿では,新しいランダム軌道の全経路を十分に高い確率でカバーすることを保証された同時予測帯域を生成するための新しいコンフォメーション手法を提案する。 この解はどちらも原則であり、正確な有限サンプル保証を提供し、しばしば以前の方法よりもより情報的な予測をもたらす。
  論文  参考訳（メタデータ） (2024-02-14T23:57:19Z)
• Calibrating Neural Simulation-Based Inference with Differentiable Coverage Probability [50.44439018155837]
  ニューラルモデルのトレーニング目的に直接キャリブレーション項を含めることを提案する。 古典的なキャリブレーション誤差の定式化を緩和することにより、エンドツーエンドのバックプロパゲーションを可能にする。 既存の計算パイプラインに直接適用でき、信頼性の高いブラックボックス後部推論が可能である。
  論文  参考訳（メタデータ） (2023-10-20T10:20:45Z)
• The Choice of Noninformative Priors for Thompson Sampling in Multiparameter Bandit Models [56.31310344616837]
  トンプソンサンプリング(TS)は、様々な報酬モデルにまたがる理論的な保証によって支持される卓越した経験的性能で知られている。 本研究では,理論的理解の欠如のある新しいモデルを扱う際に,非形式的事前選択がTSの性能に与える影響について考察する。
  論文  参考訳（メタデータ） (2023-02-28T08:42:42Z)
• Optimality of Thompson Sampling with Noninformative Priors for Pareto Bandits [81.45853204922795]
  トンプソンサンプリングは、いくつかの報酬モデルにおいて問題依存の低い境界を達成することが示されている。 重い尾を持つパレートモデルに対するTSの最適性は、2つの未知のパラメータによってパラメータ化される。 ジェフリーズおよび参照先行値を持つTSは、トラルニケート手順を使用すると、下界を達成できる。
  論文  参考訳（メタデータ） (2023-02-03T04:47:14Z)
• A Variational Inference Approach to Inverse Problems with Gamma Hyperpriors [60.489902135153415]
  本稿では,ガンマハイパープライヤを用いた階層的逆問題に対する変分反復交替方式を提案する。 提案した変分推論手法は正確な再構成を行い、意味のある不確実な定量化を提供し、実装が容易である。
  論文  参考訳（メタデータ） (2021-11-26T06:33:29Z)

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。