論文の概要: Efficient Sequential Calibration with $O(T^{2/3-ε})$ Error Bound
- arxiv url: http://arxiv.org/abs/2607.12928v1
- Date: Tue, 14 Jul 2026 16:00:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-15 17:08:30.219055
- Title: Efficient Sequential Calibration with $O(T^{2/3-ε})$ Error Bound
- Title（参考訳）: O(T^{2/3-ε})=誤差境界を用いた効率的な逐次校正
- Abstract要約: citetdagan2024breakingによる最近のブレークスルーは、キャリブレーションエラーの古典的な(T2/3)障壁を克服している。
一定の定数 (varepsilon>0) に対して, キャリブレーション誤差(O(T2/3-varepsilon) を実現する効率的なランダム化予測器を提案する。
我々の予測器は、textscSPR-Calibration のcitepdagan2024breaking と外部のBlackwellスタイルの補正層を組み合わせたものである。
- 参考スコア（独自算出の注目度）: 19.221722169368494
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study the online binary sequential calibration problem. A recent breakthrough by \citet{dagan2024breaking} overcomes the classical \(T^{2/3}\) barrier for calibration error. Building on this result, we present an efficient randomized forecaster that achieves an expected calibration error \(O(T^{2/3-\varepsilon})\) for some constant \(\varepsilon>0\). Our forecaster combines the \textsc{SPR-Calibration} procedure \citep{dagan2024breaking} with an outer Blackwell-style correction layer. The \textsc{SPR-Calibration} procedure controls calibration with respect to a surrogate sequence of conditional-mean estimates, while the correction layer controls the additional error incurred when these surrogates are used to approximate the true outcomes. The analysis decomposes the total calibration error into the surrogate calibration error and the residual discrepancy between the surrogate sequence and the true outcomes. The former is bounded by the \textsc{SPR-Calibration} guarantee in \citet{dagan2024breaking}, and the latter is controlled using a quadratic potential argument together with the sparsity of the \textsc{SPR-Calibration} forecaster.
- Abstract（参考訳）: オンラインバイナリシーケンシャルキャリブレーション問題について検討する。
最近の \citet{dagan2024breaking} によるブレークスルーは、キャリブレーションエラーに対する古典的な \(T^{2/3}\) 障壁を克服している。
この結果に基づいて、ある定数 \(\varepsilon>0\) に対して、期待されるキャリブレーション誤差 \(O(T^{2/3-\varepsilon})\) を達成する効率的なランダム化予測器を提案する。
予測器は, <textsc{SPR-Calibration} プロシージャ \citep{dagan2024breaking} と外部の Blackwell スタイルの補正層を組み合わせる。
補正層は、これらのサロゲートが真の結果を近似するために使用される場合に発生する追加エラーを制御する。
解析は、総キャリブレーション誤差をサロゲート校正誤差とサロゲートシーケンスと真の結果との残差に分解する。
前者は \citet{dagan2024breaking} における \textsc{SPR-Calibration} 保証によって境界付けられ、後者は \textsc{SPR-Calibration} 予測器の間隔とともに二次ポテンシャル引数を用いて制御される。
関連論文リスト
- Optimal Recalibration of an Online Predictor [17.79426749489757]
オンライン予測器(KE17, OKS24)のリカバリ問題について検討し、任意の予測列が与えられた場合、学習者は、元の予測に対して小さな過大なエラーを発生させながら、適切な損失を被ることなく、キャリブレーションされた新しい予測を出力しなければならない。
我々は、Lipschitzの適切な損失に対する$(varepsilon calibrated varepsilon2)$-recalibrationを$T approx varepsilon-3$ラウンドで達成するオンラインアルゴリズムを提供する。
このトレードオフは、正方形に対する再帰のための一致した下界を証明することで最適であることを示す。
論文 参考訳（メタデータ） (2026-07-22T02:36:03Z) - Rethinking Post-Hoc Calibration in Semantic Segmentation [2.8002121919083685]
ポストホックキャリブレーションは、セグメンテーションモデルを再訓練することなく、信頼度推定を補正する実用的な方法を提供する。
まず、全てのロジットに定数を加えるとソフトマックス確率は変わらないが、いくつかの標準校正器はこの任意のオフセットに依存することができる。
第二に、ポストホックキャリブレーションは通常、可能性に基づく目的を最小化することで適合するが、セグメンテーションモデルはDiceのようなタスク固有のメトリクスで訓練される。
論文 参考訳（メタデータ） (2026-07-02T09:01:21Z) - Adaptive Calibration in Non-Stationary Environments [44.81344039432424]
複数のキャリブレーション対策の下で適応的なキャリブレーション保証を実現するアルゴリズムの組を開発する。
我々の手法は先行研究(Hu et al., 2026, Luo et al., 2025)の上に構築され、基礎となる基底真理付近でより微細な分解を割り当てる予測空間の非一様分割を導入する。
論文 参考訳（メタデータ） (2026-05-12T04:06:40Z) - Rethinking Early Stopping: Refine, Then Calibrate [49.966899634962374]
キャリブレーション・リファインメント分解の新規な変分定式化について述べる。
我々は,校正誤差と精錬誤差が訓練中に同時に最小化されないという理論的,実証的な証拠を提供する。
論文 参考訳（メタデータ） (2025-01-31T15:03:54Z) - Breaking the $T^{2/3}$ Barrier for Sequential Calibration [26.563792462828726]
バイナリシーケンスのオンライン校正予測の問題について検討する。
Foster & Vohra (1998) は、$O(T2/3)$キャリブレーション誤差を$T$タイムステップ後に引き起こし、$Omega(T1/2)$の低い境界を示した。
Qiao & Valiant (2021) は、符号保存と呼ばれるゲームを導入して下限を$Omega(T0.528)$に改善した。
論文 参考訳（メタデータ） (2024-06-19T16:19:39Z) - Orthogonal Causal Calibration [55.28164682911196]
我々は、因果校正作業を標準(非因果予測モデル)の校正作業に還元する一般的なアルゴリズムを開発する。
以上の結果から,既存のキャリブレーションアルゴリズムを因果的設定に応用できることが示唆された。
論文 参考訳（メタデータ） (2024-06-04T03:35:25Z) - Towards Certification of Uncertainty Calibration under Adversarial Attacks [96.48317453951418]
攻撃はキャリブレーションを著しく損なう可能性を示し, 対向的摂動下でのキャリブレーションにおける最悪のキャリブレーション境界として認定キャリブレーションを提案する。
我々は,新しいキャリブレーション攻撃を提案し,テクスタディバーショナルキャリブレーショントレーニングによりモデルキャリブレーションを改善する方法を示す。
論文 参考訳（メタデータ） (2024-05-22T18:52:09Z) - Classifier Calibration with ROC-Regularized Isotonic Regression [0.0]
等方性回帰を用いてモノトン変換による校正集合上のクロスエントロピーを最小化する。
IRは適応的なバイナリ処理として機能し、キャリブレーション誤差をゼロにすることができるが、性能への影響は未解決である。
この一般単調な基準は、クロスエントロピー損失の低減と校正セットの過度な適合の回避のバランスを打つのに有効であることを示す。
論文 参考訳（メタデータ） (2023-11-21T08:45:09Z) - A Consistent and Differentiable Lp Canonical Calibration Error Estimator [21.67616079217758]
ディープニューラルネットワークは校正が不十分で、自信過剰な予測を出力する傾向がある。
ディリクレ核密度推定に基づく低バイアス・トレーニング可能な校正誤差推定器を提案する。
提案手法はカーネルの自然な選択であり,他の量の一貫した推定値を生成するのに利用できる。
論文 参考訳（メタデータ） (2022-10-13T15:11:11Z) - Tail-to-Tail Non-Autoregressive Sequence Prediction for Chinese
Grammatical Error Correction [49.25830718574892]
本稿では,Tail-to-Tail (textbfTtT) という新しいフレームワークを提案する。
ほとんどのトークンが正しいので、ソースからターゲットに直接転送でき、エラー位置を推定して修正することができる。
標準データセット、特に可変長データセットに関する実験結果は、文レベルの精度、精度、リコール、F1-Measureの観点からTtTの有効性を示す。
論文 参考訳（メタデータ） (2021-06-03T05:56:57Z) - Localized Calibration: Metrics and Recalibration [133.07044916594361]
完全大域キャリブレーションと完全個別化キャリブレーションのギャップにまたがる細粒度キャリブレーション指標を提案する。
次に,局所再校正法であるLoReを導入し,既存の校正法よりもLCEを改善する。
論文 参考訳（メタデータ） (2021-02-22T07:22:12Z) - 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)
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。