論文の概要: tsbootstrap: Distribution-Free Uncertainty Quantification and Conformal Prediction for Time Series

• arxiv url: http://arxiv.org/abs/2607.06690v1
• Date: Tue, 07 Jul 2026 18:07:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 22:50:30.192709
• Title: tsbootstrap: Distribution-Free Uncertainty Quantification and Conformal Prediction for Time Series
• Title（参考訳）: tsbootstrap:分散のない不確かさの定量化と時系列の等角予測
• Abstract要約: 金融、センシング、需要の流れは、IDDが予測に適合し、IDDブートストラップが想定する交換可能性に反する。 tsbootstrapはブロック、残留、シーブ、ワイルドリサンプリング、古典的なブートストラップの信頼区間、適応型コンフォーマルキャリブレータを提供する。
• 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: Finance, sensing, and demand streams violate the exchangeability that IID conformal prediction and the IID bootstrap assume, and existing libraries implement either a general resampling engine or conformal calibration without the other. tsbootstrap provides block, residual, sieve, and wild resampling, classical bootstrap confidence intervals, and adaptive conformal calibrators (EnbPI, ACI, NexCP, AgACI) through a single typed API in which a specification object selects each method. In a controlled coverage study the IID bootstrap undercovers sharply under dependence; dependence-aware methods reduce the coverage deficit, the sieve nearest to nominal under short-memory linear dependence. On the shared fixed-statistic path a compiled backend runs several times faster than arch, and a streaming reduce avoids materializing the $O(Bn)$ replicate tensor, limiting peak extra memory to $O(B)$ for the statistic array. The software is MIT licensed (v0.6.1).
• Abstract（参考訳）: ファイナンス、センシング、および需要の流れは、IID適合予測とIDブートストラップが想定する交換可能性に反し、既存のライブラリは、一方を使わずに一般的な再サンプリングエンジンまたは共形キャリブレーションを実装している。 tsbootstrapは、ブロック、残留、シーブ、ワイルドリサンプリング、古典的なブートストラップの信頼区間、適応型コンフォーマルキャリブレータ(EnbPI、ACI、NEXCP、AgACI)を、仕様オブジェクトがそれぞれのメソッドを選択する単一の型付きAPIを通じて提供する。 制御されたカバレッジスタディでは、IDDブートストラップは急速に依存性を覆い、依存認識法はカバレッジの欠陥を減らし、短線線形依存下では最も名目に近いものとなる。 共有固定統計パスでは、コンパイルされたバックエンドはArchよりも数倍高速に動作し、ストリーミングは$O(Bn)$ replicate tensorの具体化を回避し、ピーク余剰メモリを統計配列に対して$O(Bn)$に制限する。 ソフトウェアはMITライセンス(v0.6.1)である。

関連論文リスト

• Omni2LoRA: Coherence-Preserving Parametric Memory for Efficient Omni Language Models [65.49950267695267]
  我々はコヒーレンス保存コンテクスト蒸留によるパラメトリックメモリの効率的な圧縮フレームワークであるOmni2LoRAを紹介する。 本手法は,マルチモーダルメモリを固定予算で再利用可能なパラメータ状態に変換することにより,応答時間のマルチモーダルトーケン負荷をゼロにする。
  論文  参考訳（メタデータ） (2026-08-10T07:49:10Z)
• SSTQ:Privacy-Preserving Vector Quantization via Subsampled Stochastic TurboQuant [79.24089819400126]
  Subsampled TurboQuant (SSTQ) は、オーバーコンプリートな等幅のタイトフレーム、座標サブサンプリング、プライバシ対応量子化を組み合わせたフレームワークである。 SSTQは平均2乗誤差スケーリングを実現し、クライアントあたり$lceil log N il + b$ bitsを使用する。 また、コードブックに依存したMSEスケーリングを$O(4b)$から$O(2b)$に削減する、プライバシを意識したコードブックの目的も導出します。
  論文  参考訳（メタデータ） (2026-08-05T17:51:25Z)
• Continual Learning With Participation Privacy: An Auditable Buffering-Aggregation Recipe [22.282174850598953]
  一つの挿入/削除がすべての更新を切り替える、隣接した単一編集のユーザストリームについて検討する。 ランダム化されたバッファリングラッパーはサイズ$[U,2U]$のビンを出力し、シングル編集ストリームをハンミングスタイルの更新ストリームに還元する。 適応的でないハミング近傍のDP証明が適応的な入力に対して連続的なプリミティブリフトを行うときの証明定理を証明した。
  論文  参考訳（メタデータ） (2026-07-08T09:44:27Z)
• Statistical Matching via Schrödinger Bridge beyond Conditional Independence [2.7719338074999538]
  予測統計的マッチングのための新しい依存性を考慮したSchrdingerブリッジを提案する。 私たちのアプローチは、保守的なCIAのベースラインを傾けることによって、2つの分離されたデータベースを結合します。 依存関係を意識した補完がダウンストリーム予測ユーティリティを継続的に改善していることを示します。
  論文  参考訳（メタデータ） (2026-06-22T02:19:06Z)
• Model-based Bootstrap of Controlled Markov Chains [19.45424164858432]
  非定常または履歴に依存しない制御ポリシを持つ有限制御チェーンにおける遷移カーネルのモデルベースブートストラップを解析する。 本研究では, ブートストラップ遷移推定器の分布整合性を確立した。
  論文  参考訳（メタデータ） (2026-05-12T17:05:59Z)
• Improving Search Agent with One Line of Code [68.58667107354253]
  ツールベースのエージェント強化学習(TARL)は,検索エージェントが外部ツールと対話できるようにトレーニングするための,有望なパラダイムとして登場した。 textbfSearch textbfAgent textbfPolicy textbfOptimization (textbfSAPO)を提案する。
  論文  参考訳（メタデータ） (2026-03-10T04:07:39Z)
• LUT-Compiled Kolmogorov-Arnold Networks for Lightweight DoS Detection on IoT Edge Devices [20.271194684947282]
  Kolmogorov-Arnold Networks (KAN) は、MLP(Multi-Layer Perceptrons)に代わるコンパクトな代替品を提供する。 B-spline評価は、レイテンシクリティカルなIoTアプリケーションには適さない、大幅な計算オーバーヘッドをもたらす。 本稿では,高価なスプライン計算を事前計算した量子テーブルに置き換えるルックアップテーブル(LUT)コンパイルパイプラインを提案する。
  論文  参考訳（メタデータ） (2026-01-12T22:32:18Z)
• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)
• FedSVD: Adaptive Orthogonalization for Private Federated Learning with LoRA [68.44043212834204]
  Low-Rank Adaptation (LoRA) は、学習における言語モデルの効率的な微調整に広く用いられている。 Low-Rank Adaptation (LoRA) は、学習における言語モデルの効率的な微調整に広く用いられている。
  論文  参考訳（メタデータ） (2025-05-19T07:32:56Z)
• Smoothed Normalization for Efficient Distributed Private Optimization [54.197255548244705]
  フェデレートされた学習は、参加者のプライバシを備えた機械学習モデルを可能にする。 トレーニングやフィードバックのない問題に対して、差分にプライベートな分散手法は存在しない。 証明可能な収束保証付き分散アルゴリズム$alpha$-$sf NormEC$を導入する。
  論文  参考訳（メタデータ） (2025-02-19T07:10:32Z)
• Sequential Kernelized Independence Testing [77.237958592189]
  我々は、カーネル化依存度にインスパイアされたシーケンシャルなカーネル化独立試験を設計する。 シミュレーションデータと実データの両方にアプローチのパワーを実証する。
  論文  参考訳（メタデータ） (2022-12-14T18:08:42Z)
• Test-time Batch Statistics Calibration for Covariate Shift [66.7044675981449]
  我々は,推論中に深層モデルを新しい環境に適応させることを提案する。 バッチ統計の校正に$alpha$-BNの一般的な定式化を提案する。 また、統合テスト時間適応フレームワークCoreを形成するための新しい損失関数も提示する。
  論文  参考訳（メタデータ） (2021-10-06T08:45:03Z)

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。