論文の概要: Distribution-free changepoint localization after sequential change detection

• arxiv url: http://arxiv.org/abs/2606.01256v1
• Date: Sun, 31 May 2026 14:18:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:29.480515
• Title: Distribution-free changepoint localization after sequential change detection
• Title（参考訳）: 逐次変化検出後の分布自由な変化点定位
• Authors: Aytijhya Saha, Aaditya Ramdas,
• Abstract要約: 本稿では,変化点に対する検出後信頼度セットを構築するための分布自由フレームワークを提案する。 これは、シーケンシャルな変更点ローカライゼーションのための最初の一般分布フリーフレームワークであり、検出後カバレッジの保証が有効なものである。
• 参考スコア（独自算出の注目度）: 36.83591711369991
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces a distribution-free framework for constructing post-detection confidence sets for changepoints after stopping a sequential change detection procedure. It is well known that conformal test martingales can be used to sequentially detect changes in distribution, but by themselves provide no inference for the time at which a proclaimed change occurred. Past work on post-detection inference requires pre- and post-change classes of distributions to be known, but this paper accomplishes localization of the changepoint without any distributional assumptions. We establish finite-sample coverage guarantees (conditional on correct detection). We provide non-asymptotic bounds on the conditional expected size of the confidence sets. Under suitable asymptotic regimes, we proved that the conditional expected size of the confidence set remains uniformly bounded. and demonstrate strong empirical performance on simulated and real data. To the best of our knowledge, this is the first general distribution-free framework for sequential changepoint localization with a valid post-detection coverage guarantee.
• Abstract（参考訳）: 本稿では,逐次的変更検出処理を停止した後に,変更点に対する検出後信頼度セットを構築するための分散フリーフレームワークを提案する。 共形試験マーチンガレットを用いて分布の変化を逐次検出できることはよく知られているが、それ自体は、宣言された変化が起こった時点では推論を行わない。 検出後推論の過去の研究は、分布の事前クラスと後クラスを知っておく必要があるが、この論文は、分布の仮定なしに、変化点の局所化を実現する。 有限サンプルカバレッジ保証(正確な検出条件)を確立する。 信頼集合の条件付き期待サイズに漸近的でない境界を与える。 適切な漸近的体制の下では、信頼セットの条件付き期待サイズが一様有界であることが証明された。 シミュレーションと実データに 強い経験的パフォーマンスを示します 我々の知る限りでは、これはシーケンシャルな変更点ローカライゼーションのための最初の一般分布自由フレームワークであり、検出後カバレッジの保証が有効である。

関連論文リスト

• Robust Conditional Conformal Prediction via Branched Normalizing Flow [20.92399096303012]
  キャリブレーションとテスト分布が同一であるという仮定の下で、限界カバレッジを持つコンフォーマルな予測構造が保証される。 分岐正規化フロー (BNF) は、テスト入力をキャリブレーション分布に正規化し、正規化された入力の予測セットをテスト分布に変換する2分岐アーキテクチャである。 BNFは、幅広い信頼レベルにわたる9つのデータセットの条件付きカバレッジの堅牢性を一貫して改善する。
  論文  参考訳（メタデータ） (2026-05-03T13:29:26Z)
• Coverage Guarantees for Pseudo-Calibrated Conformal Prediction under Distribution Shift [1.5861469511290378]
  コンフォーマル予測は、データ分散がシフトした場合の限界カバレッジを保証する。 この性能損失に対処するためのツールとして擬似校正を用いた場合の分析を行う。 ハードな擬似ラベルとランダムなラベルを補間するソース調整擬似校正アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2026-02-16T16:48:39Z)
• Conformal changepoint localization [36.191356601153146]
  配電系統におけるオフライン変更点の局所化問題について検討する。 我々は、他の仮定をせずに変化が起こる指数に対して有限サンプルの信頼セットを生成する。 実験によると、CONCHは画像やテキストを含む困難な設定であっても、正確な信頼セットを提供する。
  論文  参考訳（メタデータ） (2026-02-05T23:50:53Z)
• Theoretical guarantees for change localization using conformal p-values [36.191356601153146]
  分布自由な変化点の局所化を有限サンプルの有効性で実現するための理論的な保証を提供する。 また、分布変化設定において、共形$p$-値の様々な有限サンプルと特性を示す。 我々の貢献は、分布自由な変化点推論に対する包括的で理論的に原則化されたアプローチを提供する。
  論文  参考訳（メタデータ） (2025-10-09T19:05:47Z)
• Post-detection inference for sequential changepoint localization [29.43493007296859]
  本研究では、任意の逐次検出アルゴリズムが変更を宣言するデータ依存停止時間までのデータのみを用いて、未知の変更点に対する信頼セットを構築するフレームワークを開発する。 我々のフレームワークは非パラメトリックであり、複合的なポストチェンジクラス、観測空間、あるいは使用されるシーケンシャルな検出手順を仮定せず、漸近的に有効である。
  論文  参考訳（メタデータ） (2025-02-10T02:01:30Z)
• When Does Confidence-Based Cascade Deferral Suffice? [69.28314307469381]
  カスケードは、推論コストをサンプル毎に適応的に変化させる古典的な戦略である。 deferralルールは、シーケンス内の次の分類子を呼び出すか、または予測を終了するかを決定する。 カスケードの構造に執着しているにもかかわらず、信頼に基づく推論は実際は極めてうまく機能することが多い。
  論文  参考訳（メタデータ） (2023-07-06T04:13:57Z)
• Distribution-free uncertainty quantification for classification under label shift [105.27463615756733]
  2つの経路による分類問題に対する不確実性定量化(UQ)に焦点を当てる。 まず、ラベルシフトはカバレッジとキャリブレーションの低下を示すことでuqを損なうと論じる。 これらの手法を, 理論上, 分散性のない枠組みで検討し, その優れた実用性を示す。
  論文  参考訳（メタデータ） (2021-03-04T20:51:03Z)
• Distribution-free binary classification: prediction sets, confidence intervals and calibration [106.50279469344937]
  分布自由条件における二項分類のための不確実性定量化(キャリブレーション、信頼区間、予測セット)の3つの概念について検討する。 固定幅と一様質量の両双対の双対確率に対する信頼区間を導出する。 我々の「三脚」定理の結果として、双有理確率に対するこれらの信頼区間は分布自由キャリブレーションに繋がる。
  論文  参考訳（メタデータ） (2020-06-18T14:17:29Z)
• Optimal Change-Point Detection with Training Sequences in the Large and Moderate Deviations Regimes [72.68201611113673]
  本稿では,情報理論の観点から,新しいオフライン変化点検出問題について検討する。 基礎となる事前および変更後分布の知識は分かっておらず、利用可能なトレーニングシーケンスからのみ学習できると仮定する。
  論文  参考訳（メタデータ） (2020-03-13T23:39:40Z)

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。