論文の概要: Spectral Adaptive Conformal Prediction for Structured Non-Exchangeable Data

• arxiv url: http://arxiv.org/abs/2606.15950v1
• Date: Sun, 14 Jun 2026 18:13:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:33.956125
• Title: Spectral Adaptive Conformal Prediction for Structured Non-Exchangeable Data
• Title（参考訳）: 構造的非交換データに対するスペクトル適応等角予測
• Abstract要約: 等角予測は、データの交換が可能な場合に有限サンプルカバレッジで予測間隔を与える。 局所スペクトル類似性を用いた重み付き共形量子化法であるスペクトル適応型共形予測を提案する。 固定スペクトル重み付き量子化に対して近似的なカバレッジ結果と適応更新に対する決定論的長期キャリブレーション結果を与える。
• 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: Conformal prediction gives prediction intervals with finite-sample coverage when the data are exchangeable. Many time-indexed datasets are not exchangeable. They have seasons, recurring regimes, changing frequencies, or other forms of structured dependence. This paper studies a simple way to use that structure. We propose spectral adaptive conformal prediction, a method that forms weighted conformal quantiles using local spectral similarity and then updates the target miscoverage level online. The spectral weights choose calibration residuals that look relevant to the current test point. The adaptive update corrects the long-run miss rate when uncertainty changes over time. We give an approximate coverage result for the fixed spectral weighted quantile and a deterministic long-run calibration result for the adaptive update. Simulations with recurring regimes and slowly changing frequencies, together with three U.S. real-data examples, show that the hybrid method can improve on fixed spectral weighting, while also showing that spectral weighting must be monitored through effective sample size diagnostics.
• Abstract（参考訳）: 等角予測は、データの交換が可能な場合に有限サンプルカバレッジで予測間隔を与える。 多くの時系列データセットは交換できない。 季節、定期的な体制、周波数の変化、その他の構造的依存がある。 本稿では,その構造を利用する簡単な方法について検討する。 本稿では,局所スペクトル類似度を用いた重み付き共形量子化法であるスペクトル適応型共形予測を提案し,対象の誤発見レベルをオンラインで更新する。 スペクトル重みは、現在のテストポイントに関連するように見えるキャリブレーション残差を選択する。 アダプティブアップデートは、時間とともに不確実性が変化すると、長時間のミス率を修正する。 固定スペクトル重み付き量子化に対して近似的なカバレッジ結果と適応更新に対する決定論的長期キャリブレーション結果を与える。 3つのアメリカの実データ例とともに、反復的な状態とゆっくりと変化する周波数のシミュレーションにより、ハイブリッド法は固定スペクトル重み付けを改善するとともに、効果的なサンプルサイズ診断によってスペクトル重み付けをモニターする必要があることを示した。

関連論文リスト

• SPARC: Single-Pass Scaling for Motion Forecasting with Conformal Bayesian Last Layers [1.4452289368758382]
  シングルパス適応リスク(英: Single-Pass Adaptive Risk)は、人間の動き予測器に対する構造的、校正的、効率的な不確実性推定である。 決定論的バックボーンは将来の平均を予測し、共役ベイズ最後の層は時間領域の特徴レバレッジを解析的地平線スケールに変換する。 NLLと組み合わせたMPJPE+NLLの基準では、競争点の精度と効率的な校正管を維持している。
  論文  参考訳（メタデータ） (2026-08-21T07:20:22Z)
• RareCP: Regime-Aware Retrieval for Efficient Conformal Prediction [11.259098206661077]
  本稿では適応型コンフォーマル時系列予測のためのレギュレーション対応検索手法であるRareCPを紹介する。 RareCPはコサイン・アテンションの専門家の混合を通して局所的なキャリブレーション表現を学習する。 符号付き残基上に重み付き共形量子が形成され、非対称な予測間隔が生じる。
  論文  参考訳（メタデータ） (2026-05-09T10:12:07Z)
• Delving into Non-Exchangeability for Conformal Prediction in Graph-Structured Multivariate Time Series [23.16459034215899]
  コンフォーマル予測(CP)は、確固としたカバレッジを保証する不確実性推定を提供する。 グラフ構造時系列では、固有のクロスノード結合は交換性条件に反する可能性がある。 我々はSGCE(Spectral Graph Exchangeability Conditional)という新しい概念を提案する。
  論文  参考訳（メタデータ） (2026-05-06T14:19:16Z)
• Spectral Gating Networks [65.9496901693099]
  我々は、フィードフォワードネットワークに周波数リッチな表現性を導入するために、スペクトルゲーティングネットワーク(SGN)を導入する。 SGNは、標準活性化経路をコンパクトなスペクトル経路と学習可能なゲートで拡張し、安定したベース動作からモデルを開始することができる。 計算予算に匹敵する精度と効率のトレードオフを継続的に改善する。
  論文  参考訳（メタデータ） (2026-02-07T20:00:49Z)
• BayesTTA: Continual-Temporal Test-Time Adaptation for Vision-Language Models via Gaussian Discriminant Analysis [41.09181390655176]
  CLIPのような視覚言語モデル(VLM)は、強いゼロショット認識を実現するが、実世界のシナリオに共通する時空間的な分散シフトの下で大幅に劣化する。 テスト分布が時間とともに徐々に変化するCT-TTA(textitContinal-Temporal Test-Time Adaptation)として、この実践的問題を定式化する。 我々は、時間的に一貫した予測を実行し、視覚表現を動的に調整する、ベイズ適応フレームワークであるtextitBayesTTAを提案する。
  論文  参考訳（メタデータ） (2025-07-11T14:02:54Z)
• Error-quantified Conformal Inference for Time Series [55.11926160774831]
  時系列予測の不確かさの定量化は、時系列データの時間的依存と分布シフトのために困難である。 量子化損失関数をスムースにすることで,iError-quantified Conformal Inference (ECI)を提案する。 ECIは有効な誤発見制御と、他のベースラインよりも厳密な予測セットを出力することができる。
  論文  参考訳（メタデータ） (2025-02-02T15:02:36Z)
• Normalizing Flows for Conformal Regression [0.0]
  Conformal Prediction (CP)アルゴリズムは、ラベル付きデータに基づいて出力を校正することで予測モデルの不確実性を推定する。 キャリブレーション過程をトレーニングすることで、間隔をローカライズする一般的なスキームを提案する。 PapadopoulosらによるError Reweighting CPアルゴリズム(2008年)とは異なり、このフレームワークは名目と経験的条件の妥当性のギャップを推定できる。
  論文  参考訳（メタデータ） (2024-06-05T15:04:28Z)
• ABCAS: Adaptive Bound Control of spectral norm as Automatic Stabilizer [17.537850541544216]
  ABCASと呼ばれる適応正規化法を提供する新しい安定化器を提案する。 本手法は,実データと偽データの分布距離をチェックすることにより,判別器のリプシッツ定数を適応的に決定する。 提案手法は,生成側ネットワークのトレーニングの安定性を向上し,生成画像のFr'echet Inception Distanceスコアを向上する。
  論文  参考訳（メタデータ） (2022-11-12T07:15:28Z)
• TACTiS: Transformer-Attentional Copulas for Time Series [76.71406465526454]
  時間変化量の推定は、医療や金融などの分野における意思決定の基本的な構成要素である。 本稿では,アテンションベースデコーダを用いて関節分布を推定する多元的手法を提案する。 本研究では,本モデルが実世界の複数のデータセットに対して最先端の予測を生成することを示す。
  論文  参考訳（メタデータ） (2022-02-07T21:37:29Z)
• Calibration of Neural Networks using Splines [51.42640515410253]
  キャリブレーション誤差の測定は、2つの経験的分布を比較します。 古典的コルモゴロフ・スミルノフ統計テスト(KS)にインスパイアされたビンニングフリーキャリブレーション尺度を導入する。 提案手法は,KS誤差に対する既存の手法と,他の一般的なキャリブレーション手法とを一貫して比較する。
  論文  参考訳（メタデータ） (2020-06-23T07:18:05Z)
• Evaluating Prediction-Time Batch Normalization for Robustness under Covariate Shift [81.74795324629712]
  我々は予測時間バッチ正規化と呼び、共変量シフト時のモデル精度とキャリブレーションを大幅に改善する。 予測時間バッチ正規化は、既存の最先端アプローチに相補的な利点をもたらし、ロバスト性を向上させることを示します。 この手法は、事前トレーニングと併用して使用すると、さまざまな結果が得られるが、より自然なタイプのデータセットシフトでは、パフォーマンスが良くないようだ。
  論文  参考訳（メタデータ） (2020-06-19T05:08:43Z)
• Individual Calibration with Randomized Forecasting [116.2086707626651]
  予測値がランダムに設定された場合,各サンプルのキャリブレーションは回帰設定で可能であることを示す。 我々は、個別の校正を強制する訓練目標を設計し、それをランダム化された回帰関数の訓練に使用する。
  論文  参考訳（メタデータ） (2020-06-18T05:53:10Z)

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。