論文の概要: Estimation--Prediction Tradeoff in Causal Probabilistic Temporal Graphs
- arxiv url: http://arxiv.org/abs/2606.28225v1
- Date: Fri, 26 Jun 2026 16:13:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-29 18:24:25.53636
- Title: Estimation--Prediction Tradeoff in Causal Probabilistic Temporal Graphs
- Title（参考訳）: 因果確率的時間グラフにおける推定-予測トレードオフ
- Abstract要約: 時間的リンク予測は通常、目に見えないエッジでの予測性能によって評価されるが、確率論的時間グラフでは、この基準はモデル誤差を既約の不確実性で説明することができる。
本稿では,一過性のエッジを持つ時間グラフと,既知の地道因果構造を生成する確率論的因果構造を提案する。
提案したバイナリロジスティックパラメトリゼーションでは、クラメロ-ラオ境界を導出し、パラメータ推定誤差と既約予測損失とのトレードオフを検証する。
この結果から,モデルが因果メカニズムを学習したかどうかを反映せず,本質的なプロセスの不確実性から再現可能なモデル誤差を識別するベンチマークを動機付けている可能性が示唆された。
- 参考スコア（独自算出の注目度）: 0.5076419064097734
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Temporal link prediction is usually evaluated by predictive performance on unseen edges, but in probabilistic temporal graphs this criterion can conflate model error with irreducible uncertainty. We study this issue by characterising an inherent estimation--prediction tradeoff in binary logistic models where regimes that maximise Fisher information and improve parameter recoverability are also those with the highest entropy, making individual predictions intrinsically harder even under perfect parameter recovery. We propose a probabilistic causal framework for generating temporal graphs with transient edges and known ground-truth causal structure, allowing temporal link prediction to be evaluated jointly with causal parameter recovery. For the proposed binary logistic parametrisation, we derive the Cramér--Rao bound and validate the tradeoff between parameter estimation error and irreducible predictive loss. Our results show that predictive accuracy alone may not reflect whether a model has learned the underlying causal mechanism, motivating benchmarks that distinguish reducible model error from intrinsic process uncertainty.
- Abstract（参考訳）: 時間的リンク予測は通常、目に見えないエッジでの予測性能によって評価されるが、確率論的時間グラフでは、この基準はモデル誤差を既約の不確実性で説明することができる。
そこで,本研究では,水産情報の最大化とパラメータ回復性の向上を図った2進ロジスティックモデルにおいて,固有推定-予測トレードオフを特徴付けることにより,個々の予測が完全なパラメータ回復の下でも本質的に困難になるような,最も高いエントロピーを持つモデルについても検討する。
本稿では,時間的リンク予測を因果パラメータの回復と併用して評価し,一過性エッジと既知地道因果構造を持つ時間的グラフを生成する確率的因果関係を提案する。
提案したバイナリロジスティックパラメトリゼーションでは、クラメロ-ラオ境界を導出し、パラメータ推定誤差と既約予測損失とのトレードオフを検証する。
この結果から,モデルが因果メカニズムを学習したかどうかを反映せず,本質的なプロセスの不確実性から再現可能なモデル誤差を識別するベンチマークを動機付けている可能性が示唆された。
関連論文リスト
- Continuous-Time Probabilistic Correctors for Uncertainty-Aware Physics-Based Spacecraft Trajectory Forecasting [7.565108739173396]
ロングホライゾンの宇宙船軌道予測は、予測系における補正観測の欠如により誤差の蓄積に悩まされる。
物理ベースの連続時間 $textitdeterministic$ forecaster を学習した連続時間 $textitprobabilistic$ Corrector で拡張するPredictor-Corrector フレームワークを紹介した。
提案手法は,NASAのリアルタイムデータを用いて,長期衛星軌道予測の枠組みを評価するものである。
論文 参考訳（メタデータ） (2026-06-19T01:16:45Z) - Noise Titration: Exact Distributional Benchmarking for Probabilistic Time Series Forecasting [1.5939955861266883]
本稿では,介入主義的,厳密な統計的ベンチマークへのパラダイムシフトを提案する。
我々は,ブラックボックスシーケンスマッチングゲームから正確な分布推定タスクに予測を変換する。
我々は、最先端のゼロショットモデルがコンテキストパロッキング機構と一貫して振る舞うことを発見した。
論文 参考訳（メタデータ） (2026-03-23T17:14:11Z) - Generating Causal Temporal Interaction Graphs for Counterfactual Validation of Temporal Link Prediction [7.925229590936017]
因果的相互作用グラフ (CTIG) を, 既知の地絡因果構造と組み合わせて生成する。
因果モデルを比較するために,クロスモデル予測誤差に基づく距離メトリックを提案する。
私たちのフレームワークは因果ベンチマークの基礎を提供します。
論文 参考訳（メタデータ） (2026-02-02T14:36:18Z) - Principled Input-Output-Conditioned Post-Hoc Uncertainty Estimation for Regression Networks [1.4671424999873808]
不確実性は安全性に敏感なアプリケーションでは重要であるが、予測性能に悪影響を及ぼすため、市販のニューラルネットワークから排除されることが多い。
本稿では,従来の入力と凍結モデルの両方に補助モデルを適用することにより,回帰タスクにおけるポストホック不確実性推定のための理論的基盤となるフレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-01T09:13:27Z) - Bridging Internal Probability and Self-Consistency for Effective and Efficient LLM Reasoning [53.25336975467293]
パープレキシティや自己整合性などの手法の第一理論誤差分解解析について述べる。
パープレキシティ法は、適切な整合関数が存在しないため、かなりのモデル誤差に悩まされる。
本稿では、自己整合性とパープレキシティを統合したReasoning-Pruning Perplexity Consistency(RPC)と、低確率推論経路を排除したReasoning Pruningを提案する。
論文 参考訳（メタデータ） (2025-02-01T18:09:49Z) - Probabilistic Scores of Classifiers, Calibration is not Enough [0.32985979395737786]
二項分類タスクでは、確率的予測の正確な表現が実世界の様々な応用に不可欠である。
本研究では,予測スコアと真の確率分布の一致を優先するアプローチを強調した。
その結果,従来の校正基準の限界が明らかとなり,重要な意思決定のための予測モデルの信頼性を損なう可能性が示唆された。
論文 参考訳（メタデータ） (2024-08-06T19:53:00Z) - Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。
提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。
複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
論文 参考訳（メタデータ） (2023-06-09T08:30:51Z) - The Implicit Delta Method [61.36121543728134]
本稿では,不確実性のトレーニング損失を無限に正規化することで機能する,暗黙のデルタ法を提案する。
有限差分により無限小変化が近似された場合でも, 正則化による評価の変化は評価推定器の分散に一定であることを示す。
論文 参考訳（メタデータ） (2022-11-11T19:34:17Z) - Uncertainty estimation of pedestrian future trajectory using Bayesian
approximation [137.00426219455116]
動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。
著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。
将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
論文 参考訳（メタデータ） (2022-05-04T04:23:38Z) - Robustness and Accuracy Could Be Reconcilable by (Proper) Definition [109.62614226793833]
強靭性と精度のトレードオフは、敵文学において広く研究されている。
局所的不変性の帰納的バイアスを課す不適切に定義された頑健な誤差に由来する可能性がある。
定義上、SCOREは、最悪のケースの不確実性に対処しながら、堅牢性と正確性の間の和解を促進する。
論文 参考訳（メタデータ） (2022-02-21T10:36:09Z) - When in Doubt: Neural Non-Parametric Uncertainty Quantification for
Epidemic Forecasting [70.54920804222031]
既存の予測モデルは不確実な定量化を無視し、誤校正予測をもたらす。
不確実性を考慮した時系列予測のためのディープニューラルネットワークの最近の研究にもいくつかの制限がある。
本稿では,予測タスクを確率的生成過程としてモデル化し,EPIFNPと呼ばれる機能的ニューラルプロセスモデルを提案する。
論文 参考訳（メタデータ） (2021-06-07T18:31:47Z) - Learning Interpretable Deep State Space Model for Probabilistic Time
Series Forecasting [98.57851612518758]
確率的時系列予測は、その歴史に基づいて将来の分布を推定する。
本稿では,非線形エミッションモデルと遷移モデルとをネットワークによってパラメータ化した,確率的時系列予測のための深部状態空間モデルを提案する。
実験では,我々のモデルが正確かつ鋭い確率予測を生成することを示す。
論文 参考訳（メタデータ） (2021-01-31T06:49:33Z)
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。