論文の概要: Calibrating simplified vine copulas with a noise contrastive estimation approach

• arxiv url: http://arxiv.org/abs/2606.13213v1
• Date: Thu, 11 Jun 2026 11:21:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.755425
• Title: Calibrating simplified vine copulas with a noise contrastive estimation approach
• Title（参考訳）: ノイズコントラスト推定法を用いた簡易ブドウパウラの校正
• Authors: Michael Denis Kraus, David Huk, Claudia Czado,
• Abstract要約: 本研究では,観察特異的補正因子に基づく簡易ブドウパウラモデルのキャリブレーション手法を提案する。 NCEアプローチでは、装着された簡易ブドウパウラをノイズモデルとして扱い、個々の観測のために修正された対数類似度の推定値が得られる。
• 参考スコア（独自算出の注目度）: 0.9558392439655014
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vine copulas provide a flexible framework for modeling complex multivariate dependence structures using only bivariate building blocks. Their practical success relies heavily on the simplifying assumption, which restricts conditional pair copulas to be independent of the specific conditioning values. While this assumption greatly facilitates estimation, it may lead to model misspecification in applications with pronounced varying conditional dependence. We propose a novel calibration strategy for simplified vine copula models based on observation-specific correction factors. These factors are derived using noise contrastive estimation (NCE), a supervised learning technique for density estimation that reframes the problem as a binary classification task with an easily sampled noise distribution. Treating the fitted simplified vine copula as the noise model, the NCE approach yields corrected log-likelihood estimates for individual observations, thereby locally adjusting the simplified vine toward the underlying data-generating dependence structure. Simulation studies demonstrate that the proposed calibration provides sensible and effective adjustments, improving model accuracy when the simplifying assumption is violated while remaining neutral when the simplified model is adequate. Two real-data applications further illustrate the practical benefits of the method. The results highlight NCE-based calibration as a promising tool to enhance simplified vine copula models without abandoning their computational tractability.
• Abstract（参考訳）: Vine copulasは、二変量構造ブロックのみを使用して複雑な多変量依存構造をモデル化するための柔軟なフレームワークを提供する。 彼らの実践的な成功は、条件付きペアコプラが特定の条件付き値から独立することを制限する、単純化された仮定に大きく依存している。 この仮定は推定を大いに促進するが、異なる条件依存のアプリケーションでモデルに不特定性をもたらす可能性がある。 本研究では,観察特異的補正因子に基づく簡易ブドウパウラモデルのキャリブレーション手法を提案する。 これらの因子はノイズコントラッシブ推定 (NCE) を用いて導出され, 密度推定のための教師付き学習手法である。 NCE法では, 適応された簡易ブドウパウラをノイズモデルとして扱うことにより, 個々の観測値に対する修正されたログ状推定値が得られ, 基礎となるデータ生成依存構造に対して, 簡易ブドウを局所的に調整する。 シミュレーション研究により,提案手法が有効かつ有効に調整できることが示され,単純化されたモデルが適切である場合に中性でありながら,単純化された仮定に違反した場合のモデル精度が向上した。 2つの実データアプリケーションにより、この手法の実用的メリットがさらに説明される。 結果は,NCEに基づくキャリブレーションを,計算的トラクタビリティを放棄することなく,簡略化されたブドウパウラモデルを強化するための有望なツールとして強調した。

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)
• Learnable Chernoff Baselines for Inference-Time Alignment [64.81256817158851]
  本稿では,指数関数的に傾いたカーネルから効率よく,およそサンプリングする方法として,Learnerable Chernoff Baselinesを紹介した。 理想的なモデルに対する全変量保証を確立し、LCBサンプリングが理想的拒絶サンプリングと密接に一致するような連続的および離散的な拡散設定を実証する。
  論文  参考訳（メタデータ） (2026-02-08T00:09:40Z)
• Modest-Align: Data-Efficient Alignment for Vision-Language Models [67.48633659305592]
  クロスモーダルアライメントモデルは、リソース制約のある環境での運用において、過信と劣化したパフォーマンスに悩まされることが多い。 我々は,ロバスト性と効率性に配慮した軽量アライメントフレームワークであるModest-Alignを提案する。 本手法は,実世界の低リソースシナリオにおけるクロスモーダルアライメントを実現するための,実用的でスケーラブルなソリューションを提供する。
  論文  参考訳（メタデータ） (2025-10-24T16:11:10Z)
• From Invariant Representations to Invariant Data: Provable Robustness to Spurious Correlations via Noisy Counterfactual Matching [14.679039741833305]
  トレーニングデータから急激な相関関係を学習するモデルは、新しい環境にデプロイすると失敗することが多い。 我々は、不変表現の学習から不変データペアの活用へと焦点を移す、データ中心の代替案を提案する。 ノイズの反事実マッチングは、少数の反事実ペアでさえも活用することで、堅牢性を向上させる。
  論文  参考訳（メタデータ） (2025-05-30T17:42:32Z)
• Model-free Methods for Event History Analysis and Efficient Adjustment (PhD Thesis) [55.2480439325792]
  この論文は、モデルフリーの観点から統一された統計学への独立した貢献のシリーズである。 第1章では、機械学習から予測技術を活用する柔軟なメソッドを定式化するために、モデルフリーの視点をどのように利用できるか、詳しく説明している。 第2章では、あるプロセスの進化が他のプロセスに直接影響されるかどうかを記述した地域独立の概念を研究している。
  論文  参考訳（メタデータ） (2025-02-11T19:24:09Z)
• Convergence of uncertainty estimates in Ensemble and Bayesian sparse model discovery [4.446017969073817]
  ブートストラップに基づく逐次しきい値最小二乗推定器による雑音に対する精度と頑健性の観点から経験的成功を示す。 このブートストラップに基づくアンサンブル手法は,誤差率の指数収束率で,確率的に正しい可変選択を行うことができることを示す。
  論文  参考訳（メタデータ） (2023-01-30T04:07:59Z)
• Estimation of Bivariate Structural Causal Models by Variational Gaussian Process Regression Under Likelihoods Parametrised by Normalising Flows [74.85071867225533]
  因果機構は構造因果モデルによって記述できる。 最先端の人工知能の大きな欠点の1つは、説明責任の欠如である。
  論文  参考訳（メタデータ） (2021-09-06T14:52:58Z)
• Calibrating Over-Parametrized Simulation Models: A Framework via Eligibility Set [3.862247454265944]
  厳密な頻繁な統計的保証を満たす校正手法を開発するための枠組みを開発する。 本手法は,書籍市場シミュレータのキャリブレーションへの応用を含む,いくつかの数値例で実証する。
  論文  参考訳（メタデータ） (2021-05-27T00:59:29Z)
• Explaining predictive models using Shapley values and non-parametric vine copulas [2.6774008509840996]
  特徴間の依存をモデル化するための2つの新しいアプローチを提案する。 提案手法の性能はシミュレーションされたデータセットと実データセットで評価される。 実験により、ブドウのコプラアプローチは、ライバルよりも真のシャプリー値により正確な近似を与えることが示された。
  論文  参考訳（メタデータ） (2021-02-12T09:43:28Z)

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。