論文の概要: Improving the Sensitivity of Gravitational Wave Detection with Weighted Conformal Prediction

• arxiv url: http://arxiv.org/abs/2609.11401v1
• Date: Thu, 10 Sep 2026 11:33:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.315728
• Title: Improving the Sensitivity of Gravitational Wave Detection with Weighted Conformal Prediction
• Title（参考訳）: 重み付き等角予測による重力波検出の感度向上
• Abstract要約: 我々は、確率的に厳密な信頼度推定を候補事象に対して提供するために、共形予測に基づくフレームワークを用いる。 重要な課題は、トレーニングに使用するシミュレートされたデータセットと、テストに使用される実際の、遅延のない、観察の間の分散シフトである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the last decade, kilometre-scale interferometric gravitational-wave detectors have observed hundreds of compact binary mergers, the majority of which are binary black holes. However, the data are noise-dominated, and multiple independent search algorithms (pipelines) are used to enhance sensitivity and improve robustness. Rather than the standard approach of selecting the most significant pipeline output, we combine the outputs from all pipelines using a conformal prediction-based framework to provide statistically rigorous confidence estimates for candidate events. While combining pipelines improves sensitivity and ranking robustness, it requires a principled statistical framework that remains valid as data properties evolve across observing runs. A key challenge is distribution shifts between simulated datasets used for training and calibration and the real, unlabelled, observations used for testing, which can invalidate coverage guarantees and bias confidence estimates. In this work, we address this challenge by incorporating likelihood-ratio reweighting into our conformal prediction framework to account for covariate shift. Using mock datasets containing simulated signals, we demonstrate that weighted conformal prediction restores well-calibrated coverage under covariate shift and increases the confidence of events near the detection threshold, recovering true signals that would otherwise be missed.
• Abstract（参考訳）: 過去10年間で、キロスケールの干渉計による重力波検出器が数百の小さな連星融合を観測し、その大半は連星ブラックホールである。 しかし、データはノイズに支配され、感度を高めロバスト性を向上させるために複数の独立探索アルゴリズム(パイプライン)が使用される。 最も重要なパイプライン出力を選択する標準的なアプローチではなく、共形予測に基づくフレームワークを用いて全てのパイプラインからの出力を組み合わせて、候補イベントに対する統計的に厳密な信頼推定を提供する。 パイプラインを組み合わせることで感度とロバスト性が改善されるが、データプロパティが実行中に進化するにつれて有効となるような、原則化された統計フレームワークが必要である。 重要な課題は、トレーニングとキャリブレーションに使用されるシミュレーションデータセットと、テストに使用される実際の、遅延のない、観察の間の分散シフトである。 本研究では,共変量シフトを考慮に入れた共変量予測フレームワークに確率比再重み付けを組み込むことにより,この問題に対処する。 模擬信号を含むモックデータセットを用いて、重み付き共変量予測は、共変量シフトの下でよく校正されたカバレッジを復元し、検出しきい値付近の事象の信頼性を高め、そうでなければ見逃されるであろう真のシグナルを復元することを示した。

関連論文リスト

• Survey of Novel Deep Learning Architectures for Denoising Gravitational-wave Signals [0.0]
  重力波デノジングのための5つのニューラルネットワークアーキテクチャの制御された最初の比較について述べる。 我々は、全天体物理学的に動機づけられた回転二乗ブラックホールパラメータ空間を同時に訓練する。 ネットワーク構造とコリケーションのスペクトル解剖との整合性は、ブルートフォースモデルスケーリングよりも優れる。
  論文  参考訳（メタデータ） (2026-09-07T18:00:10Z)
• Uncertainty-Aware Trajectory Forecasting from Imperfect Tracking [4.062766215055394]
  本稿では,予測器に伝達する情報信号として,追従型信頼性キューを取り扱う。 本稿では,各観測状態を不確実な状態表現として符号化するプラグイン不確実性認識型定式化を提案する。 実際のトラッカー出力を用いたオックスフォード・タウンセンターとVIRATの実験は、補完的なETH/UCY擬似検出プロトコルとともに、提案法により、確率的予測の変位精度と信頼性のトレードオフが向上することを示した。
  論文  参考訳（メタデータ） (2026-08-31T14:50:38Z)
• Conformal Changepoint Localization and Root Cause Analysis with Corrupted Observations [55.76952683833966]
  本稿では,データ破損時の信頼性設定サイズを低減するために,重み付きCONCH(W-CONCH)と重み付きCROC(W-CROC)を提案する。 画像ベースおよび実世界の変化点と根本原因ベンチマークの実験は、不確実性ベースの重み付けが信頼性セットのサイズを大幅に減少させることを示している。
  論文  参考訳（メタデータ） (2026-07-29T05:16:59Z)
• Neural Conjugate Aggregation: Identifiable Unsupervised Multi-Sensor Regression under Heterogeneous Sensor Bias [0.0]
  本研究では,不確実性下での回帰に基づくデータ融合について検討する。 この設定は、センサーネットワーク、シミュレーションアンサンブル、そして監視が費用がかかるか不可能である科学的な監視システムで発生する。 本稿では,ニューラルネットワークと共役ガウス推論を組み合わせた階層型ベイズフレームワークであるニューラル共役凝集モデル(NCAM)を提案する。
  論文  参考訳（メタデータ） (2026-06-20T19:30:21Z)
• Dynamic Spectral Denoising with Global-Context Attention for Multi-Behavior Recommendation [58.33732779555114]
  重要なボトルネックは、2つの結合した不均一性によって引き起こされる表現レベルの失敗である、と我々は主張する。 マルチビヘイビアレコメンデーション(SpectraMB)のためのグローバルコンテキストを考慮した動的スペクトルデノベーションを提案する。 SpectraMBは、ほとんどの評価設定で最高の結果を達成し、ノイズのある相互作用下での堅牢性の向上を示す。
  論文  参考訳（メタデータ） (2026-06-01T15:58:13Z)
• Architecture-agnostic Lipschitz-constant Bayesian header and its application to resolve semantically proximal classification errors with vision transformers [0.0]
  この研究は、アーキテクチャに依存しないリプシッツ・コンスタント・ベイジアンヘッダを示し、視覚変換器のような特徴抽出器に統合することができる。 また,不確実性と不確かさを誤分類率で捉えるための新しい指標と,適応型算術・平均融合方式を提案する。 モンテカルロサンプリングにより計算コストは上昇するが、事前に訓練されたバックボーンとのプラグ・アンド・プレイの互換性を提供する。
  論文  参考訳（メタデータ） (2026-05-07T09:18:06Z)
• Tackling Incomplete Data in Air Quality Prediction: A Bayesian Deep Learning Framework for Uncertainty Quantification [6.665519965608339]
  本研究は,リアルタイム車載モバイル監視など,新興センシングパラダイムにおける不完全な観察を伴って,信頼度の高い深層学習に基づく時間的予測の基礎を築いた。
  論文  参考訳（メタデータ） (2025-11-04T01:42:00Z)
• Semi-Supervised Regression with Heteroscedastic Pseudo-Labels [50.54050677867914]
  両レベル最適化の観点から,疑似ラベルの影響を動的に調整する不確実性認識型擬似ラベル化フレームワークを提案する。 我々は、様々なベンチマークSSRデータセットにまたがって、我々のアプローチを検証するための理論的洞察と広範な実験を提供する。
  論文  参考訳（メタデータ） (2025-10-17T03:06:23Z)
• Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
  現実の時系列では欠落値が一般的である。 現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。 このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。 本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
  論文  参考訳（メタデータ） (2025-09-27T20:57:48Z)
• Provably Reliable Conformal Prediction Sets in the Presence of Data Poisoning [53.42244686183879]
  コンフォーマル予測は、モデルに依存しない、分布のない不確実性定量化を提供する。 しかし、敵が訓練データと校正データを操作した場合の毒殺攻撃では、共形予測は信頼性が低い。 信頼性予測セット (RPS): 汚染下での信頼性保証を証明可能な共形予測セットを構築するための最初の効率的な方法を提案する。
  論文  参考訳（メタデータ） (2024-10-13T15:37:11Z)
• Robust Flow-based Conformal Inference (FCI) with Statistical Guarantee [4.821312633849745]
  本研究では,予測集合の構築や,複雑なデータや高次元データに対するアウトレイラの推測など,一連の共形推論手法を開発する。 ベンチマークデータセットを用いて,ロバストなフローベース共形推論手法の評価を行った。
  論文  参考訳（メタデータ） (2022-05-22T04:17:30Z)
• Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
  後続正則化に基づく近似ベイズ推定法を開発した。 前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
  論文  参考訳（メタデータ） (2020-06-26T13:50:19Z)

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。