論文の概要: Inference-Time Decision Calibration for Temporal Classification

• arxiv url: http://arxiv.org/abs/2606.16034v1
• Date: Sun, 14 Jun 2026 22:02:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:33.998447
• Title: Inference-Time Decision Calibration for Temporal Classification
• Title（参考訳）: 時間的分類のための推論時間決定校正法
• Abstract要約: 一時的な分類誤差は、利用可能な証拠がどのように決定に変換されるかから生じることがある。 本稿では,時間的分類のための表現-校正分解を提案する。
• 参考スコア（独自算出の注目度）: 0.607835026936425
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Temporal classification errors are often treated as representation failures, but they can also arise from how available evidence is converted into decisions. This paper proposes a representation--calibration decomposition for temporal classification. We keep a trained native classifier frozen and separate two inference-time interventions: a conservative residual multi-scale branch that adds auxiliary logits to the native prediction, and a post-hoc branch-aware calibrator that recombines native and residual evidence at decision time. This design distinguishes missing temporal evidence from underused decision-level evidence without retraining the backbone. Across FI-2010, PTB-XL, UCI-HAR, MHEALTH, and HARTH, we find that gains are strongly regime-dependent. Residual multi-scale evidence is most useful in noisy or representation-limited settings, especially short-horizon FI-2010 and weaker recurrent backbones, while branch-aware calibration helps when native and auxiliary logits contain complementary evidence not fully exploited by the raw decision rule. Near-saturated settings show limited gains from either intervention. These results suggest that temporal classification should be understood not only as representation learning, but also as the problem of trusting, combining, and calibrating evidence from multiple views.
• Abstract（参考訳）: 時間的分類誤差は、しばしば表現障害として扱われるが、利用可能な証拠がどのように決定に変換されるかから生じることもある。 本稿では,時間的分類のための表現-校正分解を提案する。 トレーニングされたネイティブ分類器を凍結・分離する2つの推論時間的介入: ネイティブ予測に補助ロジットを付加する保守的な残留多重スケールブランチと、決定時にネイティブおよび残留証拠を再結合するポストホックブランチ認識キャリブレータである。 この設計は、欠落した時間的証拠と、バックボーンを再訓練することなく、過小評価された決定レベルの証拠とを区別する。 FI-2010, PTB-XL, UCI-HAR, MHEALTH, HARTHの順に, 利得は政権に依存している。 残留するマルチスケールの証拠は、ノイズや表現に制限された設定、特に短水平FI-2010およびより弱い繰り返しバックボーンにおいて最も有用であり、一方、分岐認識キャリブレーションは、ネイティブロジットと補助ロジットが、生の判定規則で十分に活用されていない補完的な証拠を含む場合に有効である。 ほぼ飽和した設定では、どちらの介入による利得も限られている。 これらの結果は,時間的分類が表現学習のみならず,複数の視点から証拠を信頼し,組み合わせ,校正する問題として理解されるべきであることを示唆している。

関連論文リスト

• Interpreting Object-Dependent Concept Brittleness in Text-to-Image Diffusion Models [105.53190946111586]
  我々はこの現象をオブジェクト依存概念の脆さと呼ぶ。 これらの障害を監査し、最小限に修正する、解釈可能性指向のフレームワークを提案する。 複数の拡散バックボーンにまたがるスタイルと属性の故障事例について,提案手法の評価を行った。
  論文  参考訳（メタデータ） (2026-09-09T09:07:40Z)
• Beyond Memory Majority: Latent-Source Reasoning for Multi-Agent Memory Arbitration [1.1803729553124735]
  既存の記憶法は、回収された記憶を独立した証拠として扱い、投票や重み付けを通じてそれらを組み合わせている。 異なるエージェントによって書かれた記憶は、同じ上流のソースまたは共有バイアスを継承し、相関する証拠が繰り返し数えられ、偽の多数を占めます。 我々は,検索した記憶を共同で分離し,欠落した独立した証拠を回収するtextbfCorrelation-textbfAware textbfMemory textbfArbitration (CAMA) フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-20T06:50:23Z)
• Residual Dominance as a Structural Account of Last-Item Reliance in Causal Self-Attention Recommenders [47.8060666024071]
  我々は,SASRecスタイルのモデルが,局所的な終点依存を示すことを示す。 その後、残余加算は全ブロック表現を同位置寄与に急変させる。 残留強度を変化させると、構造混合と終点依存との間のモノトニックなトレードオフが生じる。
  論文  参考訳（メタデータ） (2026-08-14T07:09:58Z)
• PNEC-Mamba: Prototype-Guided Positive-Negative Evidence Calibration for Hyperspectral Image Classification [49.52488260487956]
  ハイパースペクトル画像では、スペクトル類似性、混合画素、局所的コンテキスト干渉などの要因により、画素表現は曖昧であることが多い。 PNEC-Mamba を試作した正負のエビデンス校正フレームワークを提案する。 PNEC-Mambaは最先端の手法に比べて優れた分類性能が得られる。
  論文  参考訳（メタデータ） (2026-08-03T08:45:13Z)
• Robustness Verification of Recurrent Neural Networks with Abstraction Refinement [0.0]
  本稿では,この区間を分割して支配的緩和誤差を除去するRNN検証のための抽象化・リファインメントフレームワークを提案する。 CIFAR10とMNISTストロークベンチマークの実験では、抽象のみのベースラインよりも検証成功と堅牢性に一貫した改善が示されている。
  論文  参考訳（メタデータ） (2026-06-10T11:30:37Z)
• AnchorMoE: Interpretable Time Series Classification via Anchor-Routed MoE [51.994752158953084]
  AnchorMoEは、解釈可能な構成別分類フレームワークである。 ローカルパッチのマルチビュー表現をエンコードし、専門の専門家にルーティングする。 実世界のベンチマークと合成ベンチマークの実験は、AnchorMoEが非常に競争力のある分類性能を達成することを示した。
  論文  参考訳（メタデータ） (2026-06-02T13:30:54Z)
• To Fuse or to Drop? Dual-Path Learning for Resolving Modality Conflicts in Multimodal Emotion Recognition [87.22988227382329]
  マルチモーダル感情認識(MER)は、テキスト、音声、視覚を組み合わせることで恩恵を受けるが、標準的な融合は、モダリティが相反する場合に失敗することが多い。 我々は,いつフューズするか,いつモダリティを落とすのかを学習する統合フレームワークであるDual-Path Conflict Resolution (DCR)を提案する。
  論文  参考訳（メタデータ） (2026-05-06T13:11:33Z)
• Affordance Agent Harness: Verification-Gated Skill Orchestration [45.231685718099264]
  Affordance groundingは、オープンワールドのシーンでエージェントがどこでどのように対話すべきかを特定する必要がある。 本稿では,エビデンスストアとコストコントロールを備えたクローズドループランタイムであるAffordance Agent Harnessを提案する。
  論文  参考訳（メタデータ） (2026-05-01T13:45:16Z)
• IMPACT-CYCLE: A Contract-Based Multi-Agent System for Claim-Level Supervisory Correction of Long-Video Semantic Memory [73.22944697933603]
  既存のパイプラインは不透明でエンドツーエンドの出力を生成し、検査の中間状態は公開しない。 IMPACT-Cycleは,マルチモーダル反復クレームレベルのメンテナンスとして,長時間ビデオ理解を再構築するマルチエージェントシステムである。
  論文  参考訳（メタデータ） (2026-04-22T03:03:33Z)
• Beyond Logit Adjustment: A Residual Decomposition Framework for Long-Tailed Reranking [3.165340675929986]
  縮小安定化されたクラスワイド項と、ショートリスト上の競合機能によって駆動される線形ペアワイド項を結合した軽量なポストホックリランカを開発する。 画像分類、種別認識、シーン認識、希少な疾患の診断を含む5つのベンチマークの実験では、分解によってペアワイズ補正がどこに役立ち、クラスワイズ補正だけで十分かを説明できる。
  論文  参考訳（メタデータ） (2026-04-02T00:34:12Z)
• The Alignment Bottleneck in Decomposition-Based Claim Verification [17.197804072440665]
  我々は、時間的拘束力のある証拠と人間による注釈付きサブステートメント証拠を含む、現実世界の複雑なクレームのデータセットを新たに導入する。 サブステートアラインド・アライメント・エビデンス(SAE)と繰り返しクライム・レベル・エビデンス(SRE)という2つのアライメント・アライメント・セットアップの下での分解を評価する。 以上の結果から,エビデンスがきめ細やかで厳密に整合している場合にのみ,分解が大幅な性能向上をもたらすことが明らかとなった。
  論文  参考訳（メタデータ） (2026-02-11T00:02:16Z)
• DoubleTake: Contrastive Reasoning for Faithful Decision-Making in Medical Imaging [0.0]
  類似性ではなく、識別に最適化されたコンパクトなエビデンスセットを構成する、コントラストのある文書対応参照選択フレームワークを導入する。 本稿では,一対の視覚的比較を構造化し,根拠を忠実な棄却を伴うマージンに基づく決定規則を用いて集約する,信頼度に配慮した推論フレームワークであるCounterfactual-Contrastive Inferenceを提案する。 メドコンフュージョンのベンチマークでは,従来の手法と比較して設定レベルの精度が15%近く向上し,混乱を低減し,個々の精度が向上する。
  論文  参考訳（メタデータ） (2026-02-02T23:00:39Z)
• Refinement Provenance Inference: Detecting LLM-Refined Training Prompts from Model Behavior [58.751981587234916]
  本稿では,Refinement Provenance Inference (RPI)監査タスクをRefinement Provenance Inference (RPI)として定式化する。 本稿では,ロジットレベルの信号で教師が強制する可能性機能を融合させるロジットベースのフレームワークであるReProを提案する。 トレーニング中、ReProはシャドウファインチューニングを通じて転送可能な表現を学び、訓練データアクセスなしで、見えない犠牲者の証明を推測するために軽量のリニアヘッドを使用する。
  論文  参考訳（メタデータ） (2026-01-05T10:16:41Z)
• Action Quality Assessment with Temporal Parsing Transformer [84.1272079121699]
  行動品質評価(AQA)は、作業の理解と解決に重要である。 本稿では,時間的部分表現に包括的特徴を分解する時間的パーシング変換器を提案する。 提案手法は,3つの公開AQAベンチマークにおける先行研究よりもかなりのマージンで優れていた。
  論文  参考訳（メタデータ） (2022-07-19T13:29:05Z)

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。