論文の概要: Partial Identification with Multiple Nonlinear Measurements of a Latent Regressor
- arxiv url: http://arxiv.org/abs/2607.12219v1
- Date: Mon, 13 Jul 2026 23:33:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-15 17:08:29.993546
- Title: Partial Identification with Multiple Nonlinear Measurements of a Latent Regressor
- Title(参考訳): 遅延回帰器の多重非線形測定による部分同定
- Abstract要約: 回帰器が潜伏しており,複数の雑音測定によってのみ観察される線形回帰について検討した。
単一の測定における回帰は、構造的係数よりもソース固有係数を復元する。
コンセンサス測定関数を線形にし,残曲率を勾配に対して拘束することにより,潜時スケールを補正する。
- 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: We study linear regression when the regressor is latent and observed only through multiple noisy measurements, each a smooth but possibly nonlinear function of the latent variable. The problem is acute in the measurement of occupational exposure to artificial intelligence, where competing scores yield downstream estimates that differ by a factor of eleven. A regression on any single measurement recovers a source-specific coefficient rather than the structural one. We fix the latent scale by requiring the consensus measurement function to be linear and bound the remaining curvature heterogeneity across sources relative to slope. Under this bound, the structural coefficient lies in a closed-form interval centered at a symmetric cross-source estimator. The interval is invariant to unknown source loadings, and its half-width is second order in the curvature bound and sharp to the same order. With at least four measurements, the bound is estimable from the joint distribution of the sources through a split-instrument auxiliary regression, and Imbens-Manski confidence intervals with the Stoye critical value attain uniform coverage over the curvature class, including at the point-identified boundary. The application matches six exposure measures to an American Community Survey panel of 8.88 million person-year observations for 2015 to 2024. The post-2022 employment coefficient changes sign between the language-model measures and the Webb patent-text measure, and an ex ante factor-analytic rule separates the Webb measure as a distinct construct. The five retained sources yield a loading-invariant consensus coefficient of -0.239, with a partial-identification half-width of 1.23 percent of the point estimate, or 1.88 percent at the one-sided 95 percent upper bound on the curvature. We read the application as measurement reconciliation rather than as a causal estimate of AI displacement.
- Abstract(参考訳): 回帰器が潜時であり,複数の雑音測定によってのみ観測される場合,それぞれが潜時変数の滑らかだが非線形な関数である場合,線形回帰について検討する。
この問題は、人工知能に対する職業的露出の測定において、競合するスコアが11の係数で異なる下流の推定値を得るという問題である。
単一の測定における回帰は、構造的係数よりもソース固有係数を復元する。
コンセンサス測定関数の線形化を要求して遅延スケールを補正し,残曲率の不均一性を勾配に対して有界に拘束する。
この境界の下では、構造係数は対称なクロスソース推定器を中心とする閉形式間隔にある。
間隔は未知のソースローディングと不変であり、その半幅は曲率境界の2階目で、同じ順にシャープである。
少なくとも4つの測定値を持つ場合、この境界は音源の結合分布から分断的回帰を通じて推定可能であり、ストイ臨界値を持つイムベンス・マンスキーの信頼区間は、点同定境界を含む曲率クラスを均一にカバーできる。
この申請は、2015年から2024年までの年間8億8800万人の米国コミュニティサーベイのパネルに対する6つの露出対策と一致している。
2022年以降の雇用係数は、言語モデル測度とWebb特許テキスト測度との間の符号を変更し、ex ante factor-analytic ruleは、Webb測度を別構成として分離する。
保持された5つの情報源は、負荷不変のコンセンサス係数が0.239であり、部分的同定は点推定の1.23パーセントであり、片側95%の曲率で1.88パーセントである。
我々はAI変位の因果推定としてではなく、測定和解としてこの応用を読んだ。
関連論文リスト
- Recovering Physical Parameters from Fragmented Observations via Exact Distributed Spline Merging [0.0]
本稿では,その導出物から物理パラメータを復元する上での2つの貢献について述べる。
まず、固定基底リッジ回帰統計の確立された付加構造を適用した。
第二に、完全なパイプラインは分散観察と物理パラメータ推論を結合する。
論文 参考訳(メタデータ) (2026-09-15T03:25:06Z) - Orientation, not magnitude: the causal structure of task-vector interference in merged language models [0.0]
タスク算術はそうでなければ機能し、フィールドはマグニチュードで原因を診断する。
層状フラックスの正確な分解は、既存の断続輸送の増幅によって支配されていることを示している。
ナイーブのbfloat16生成の「ユニバーサリティ」は、量子化粗さであることが判明した。
論文 参考訳(メタデータ) (2026-08-12T08:40:24Z) - Post-Hoc Trajectory-Risk Certification for Modular LLM-Based Security Agents [1.4915002678801434]
ボンフェロニ配置は分布自由であるが,相関誤差下では保守的であることを示す。
粗いラベルの選択は、学習された依存なしにほぼ完璧な相関関係を作ることができる。
ステージ単位の証明書とペアの重なり合うバウンドを用いたモジュール証明書は、正の平均利得が0.6%となる。
論文 参考訳(メタデータ) (2026-08-04T23:48:36Z) - Stochastic Estimation of the Layer-wise Hessian Trace for Monitoring Neural-network Training [45.88028371034407]
本稿では,ニューラルネットワークの経験的リスクであるヘッセン行列の対角ブロックの軌跡のパラメータ推定器を提案する。
この手順はハッチンソントレース推定器とパラメータベクトル全体の上の1つのヘッセンベクトル積を組み合わせたものである。
重み分担の下での正しさは,第2次微分の前に階層的にヘッセンを組み立てる必要があることを示す。
論文 参考訳(メタデータ) (2026-05-25T10:24:32Z) - A Tale of Two Variances: When Single-Seed Benchmarks Fail in Bayesian Deep Learning [10.891872788947298]
局所CRPS分散は単列推定誤差の直接信号を提供する。
パワーロー適合品質と単調性は、トラジェクトリ正則性のコンパクトなメソッドレベルの要約を提供する。
論文 参考訳(メタデータ) (2026-04-25T02:52:33Z) - Variational Inference for Bayesian MIDAS Regression [0.0]
線形重みパラメータージネーションを用いた回帰のための座標アセント変分推論 (CAVI) アルゴリズムを開発した。
CAVIは、107xから1,772xのスピードアップを達成しつつ、ブロックギブスサンプリングベンチマークとほぼ同一の後方手段を生成する。
重み関数パラメータは、すべてのcon gurationに対して優れたキャリブレーション(カバーは92%以上)を維持している。
論文 参考訳(メタデータ) (2026-02-23T08:51:26Z) - Environment-Aware Indoor LoRaWAN Path Loss: Parametric Regression Comparisons, Shadow Fading, and Calibrated Fade Margins [3.776919981139063]
内部のLoRaWAN伝播は、構造的および時間的変化の文脈因子によって形成される。
リークセーフなクロスバリデーションを用いて評価した,環境に配慮した統計的に規律のある経路損失フレームワークを提案する。
論文 参考訳(メタデータ) (2025-10-05T20:14:48Z) - An Interpretable Measure for Quantifying Predictive Dependence between Continuous Random Variables -- Extended Version [0.0]
連続変数 $X$ と $Y$ の関連度を評価する新しい尺度を導入する。
この尺度の重要な利点は、その解釈可能性である。
我々は,90,000以上の実・合成データセットを用いて測定結果の評価を行った。
論文 参考訳(メタデータ) (2025-01-18T16:25:20Z) - Multivariate root-n-consistent smoothing parameter free matching estimators and estimators of inverse density weighted expectations [51.000851088730684]
我々は、パラメトリックな$sqrt n $-rateで収束する、最も近い隣人の新しい修正とマッチング推定器を開発する。
我々は,非パラメトリック関数推定器は含まないこと,特に標本サイズ依存パラメータの平滑化には依存していないことを強調する。
論文 参考訳(メタデータ) (2024-07-11T13:28:34Z) - Intrinsic Bayesian Cramér-Rao Bound with an Application to Covariance Matrix Estimation [49.67011673289242]
本稿では, 推定パラメータが滑らかな多様体内にある推定問題に対して, 新たな性能境界を提案する。
これはパラメータ多様体の幾何学と推定誤差測度の本質的な概念を誘導する。
論文 参考訳(メタデータ) (2023-11-08T15:17:13Z) - Policy evaluation from a single path: Multi-step methods, mixing and
mis-specification [45.88067550131531]
無限水平$gamma$-discounted Markov rewardプロセスの値関数の非パラメトリック推定について検討した。
カーネルベースの多段階時間差推定の一般的なファミリーに対して、漸近的でない保証を提供する。
論文 参考訳(メタデータ) (2022-11-07T23:15:25Z) - Monotonicity and Double Descent in Uncertainty Estimation with Gaussian
Processes [52.92110730286403]
限界確率はクロスバリデーションの指標を思い起こさせるべきであり、どちらもより大きな入力次元で劣化すべきである、と一般的に信じられている。
我々は,ハイパーパラメータをチューニングすることにより,入力次元と単調に改善できることを証明した。
また、クロスバリデーションの指標は、二重降下の特徴である質的に異なる挙動を示すことも証明した。
論文 参考訳(メタデータ) (2022-10-14T08:09:33Z) - Causal Inference with Treatment Measurement Error: A Nonparametric
Instrumental Variable Approach [24.52459180982653]
原因が誤りである場合の因果効果に対するカーネルベースの非パラメトリック推定器を提案する。
提案手法であるMEKIVは,測定誤差の強度変化の下で,ベースラインを改良し,頑健であることを示す。
論文 参考訳(メタデータ) (2022-06-18T11:47:25Z) - Disentangled Representation Learning with Wasserstein Total Correlation [90.44329632061076]
本稿では,変分オートエンコーダとワッサースタインオートエンコーダの設定に総相関を導入し,非絡み付き潜在表現を学習する。
批評家は、ワッサーシュタインの総相関項を推定する主な目的と共に、敵対的に訓練される。
提案手法は, 再建能力の犠牲が小さく, 絡み合いに匹敵する性能を有することを示す。
論文 参考訳(メタデータ) (2019-12-30T05:31:28Z)
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。