論文の概要: Geometric Identification in Predict-Then-Optimize Learning

• arxiv url: http://arxiv.org/abs/2609.33472v1
• Date: Sun, 27 Sep 2026 11:33:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-05 16:35:04.24556
• Title: Geometric Identification in Predict-Then-Optimize Learning
• Title（参考訳）: 予測テーマ最適学習における幾何学的同定
• Abstract要約: 決定にフォーカスしたサロゲートは、商レポートを特定せずに下流の判断を回復することができる。 本研究は,SPO+の集団リスクに対する凸型スマート予測(Smart Predict-then-surrogate)の平等セットを特徴付ける。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Decision-focused surrogates can recover downstream decisions without identifying the quotient report. We characterize the equality set of the convex Smart Predict-then-Optimize surrogate (SPO+) population risk. Under central symmetry, the centered mean class is the unique Bayes minimizer exactly when every nonzero effective displacement makes the old optimizer leave the shifted optimal face with positive probability. This condition separates face crossing from selected-oracle disagreement and gives quantitative local coercivity. Without symmetry, strict crossing alone need not identify the mean; selection balance with reflected crossing restores quotient-report identification, and conditional versions extend the result to measurable predictors. These are population statements, without finite-sample report-recovery or generic transfer-regret guarantees. Closed-form mechanisms reproduce the analytic identities and rates. Portfolio, complete-matrix KuaiRec, and Energy/Storage studies measure predictive fidelity, shifted regret, and fitted-report geometry. A known data-generating process (DGP) companion retains their application geometries while isolating conditional-mean recovery and crossing, without testing the original observational assumptions.
• Abstract（参考訳）: 決定にフォーカスしたサロゲートは、商レポートを特定せずに下流の判断を回復することができる。 我々は, 凸型スマート予測-最適サロゲート (SPO+) 集団リスクの等式を特徴付ける。 中心対称性の下では、中心となる平均類は、すべての非ゼロ有効変位が古いオプティマイザをシフトした最適面を正の確率で残すようなとき、一意のベイズ最小化類である。 この条件は、選択されたオーラル不一致から顔の交差を分離し、定量的な局所的保磁力を与える。 厳密な交差だけでは平均を識別する必要はない; 反射的交差による選択バランスは商-報告の識別を割り当て、条件付きバージョンは結果を測定可能な予測子に拡張する。 これらは人口統計書であり、有限サンプルの報告の回収や総称移動の保証がない。 クローズドフォーム機構は解析的アイデンティティとレートを再現する。 Portfolio, complete-matrix KuaiRec, and Energy/Storage study measure predictive fidelity, shift regret, and fit-report geometry。 既知のデータ生成プロセス(DGP)は、元の観測仮定をテストすることなく、条件-平均回復と交差を分離しながら、その適用領域を保持します。

関連論文リスト

• Locally Private Inference for Riemannian Stochastic Optimization [4.439342266417551]
  我々は,各観察対象が異なる参加者に属する場合,多様体値の個体群最小化器を推定する。 我々は、ポイント推定に使用する同じプライベートメッセージから分散を推定するために対称ペア回帰を導入する。 NHANESmetricデータへの応用は、主体サイズ方向のプライベートな推定を示す。
  論文  参考訳（メタデータ） (2026-09-18T23:37:49Z)
• Marginal Coordinate Test for Fréchet Regression with Random Objects [15.929485404318557]
  分離可能な距離空間におけるユークリッド予測器とランダムオブジェクト応答を用いた回帰テストを開発する。 我々は、重み付けされた中央2乗のヌル限界、ワイルドブートストラップの有効性、および固定検出可能な代替品に対する一貫性を確立する。 同時推論では、truncated p-to-e calibrationとe-BHを組み合わせることで、一般的な依存下での誤検出率の制御が可能になる。
  論文  参考訳（メタデータ） (2026-08-31T11:48:12Z)
• Counterfactual Evaluation of Temporal Observation Protocols [1.2292186162350942]
  実測プロトコルで収集されたデータが、展開されていない代替案の予測値を決定するかどうかを検討する。 無限のベンチマークデータでさえ、この値を決定する必要はない。 我々は、代替の値を変化させる潜在曖昧さのみを重要視する値固有識別理論を開発する。
  論文  参考訳（メタデータ） (2026-08-23T05:05:16Z)
• Why Does the Future Branch? Identifiable Closure Tests for Stochastic Physical World Models [0.0]
  ClosurePairsは、繰り返し発生する障害を伴う互換性のあるマイクロステートを横断します。 ソースの属性は確実に回復する。 非線形相互作用ベンチマークにおける等予算分解誤差を低減する。
  論文  参考訳（メタデータ） (2026-08-01T11:07:24Z)
• Aligning Network Equivariance with Data Symmetry: A Theoretical Framework and Adaptive Approach for Image Restoration [71.51826063983434]
  画像復元は本質的に逆問題である。 非厳密対称性を制約として、復元逆問題を定式化する。 最適復元演算子の等値誤差はデータ対称性誤差と離散化メッシュサイズによって厳密に制限されていることを示す。
  論文  参考訳（メタデータ） (2026-05-13T16:22:19Z)
• On Equivariant Model Selection through the Lens of Uncertainty [49.137341292207]
  等変モデルは、予測性能を改善するために対称性に関する事前の知識を活用するが、不特定なアーキテクチャ上の制約がそれを傷つける可能性がある。 我々は、頻繁な(コンフォーマル予測による)、ベイジアン(限界確率による)、およびキャリブレーションに基づく評価による誤りに基づく評価の比較を行った。 不確実性指標は一般的に予測性能と一致するが,ベイズ模型の証拠は矛盾する。
  論文  参考訳（メタデータ） (2025-06-23T13:35:06Z)
• Selective Nonparametric Regression via Testing [54.20569354303575]
  本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。 既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
  論文  参考訳（メタデータ） (2023-09-28T13:04:11Z)
• Quantifying predictive uncertainty of aphasia severity in stroke patients with sparse heteroscedastic Bayesian high-dimensional regression [47.1405366895538]
  高次元データに対する疎線型回帰法は、通常、残留物が一定の分散を持つと仮定するが、これは実際には破ることができる。 本稿では,ヘテロセダスティック分割経験的ベイズ期待条件最大化アルゴリズムを用いて,高次元ヘテロセダスティック線形回帰モデルを推定する。
  論文  参考訳（メタデータ） (2023-09-15T22:06:29Z)

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。