論文の概要: Conformal Coverage of Time Series: Validity and Inference

• arxiv url: http://arxiv.org/abs/2609.33868v1
• Date: Sun, 27 Sep 2026 19:43:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-04 16:06:18.400648
• Title: Conformal Coverage of Time Series: Validity and Inference
• Title（参考訳）: 時系列のコンフォーマルカバレッジ:妥当性と推論
• Abstract要約: 現実のカバレッジに対する推論は、特に時系列に関して、比較的ほとんど注目されていない。 仮定を混同することなく、限界被覆誤差の非漸近境界を導出する。 非常に強い時間的依存が、実現されたカバレッジの非ガウス的制限法につながることを示す。
• 参考スコア（独自算出の注目度）: 1.2489632787815885
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conformal prediction provides marginal coverage guarantees, yet practitioners may wonder if the observed coverage is truly abnormal or consistent with sampling variation. Inference for realized coverage has received comparatively little attention, especially for time series. We study split conformal prediction with adjacent calibration and test sets of temporally dependent data. Using the functional dependence measure, we derive non-asymptotic bounds on marginal coverage error without mixing assumptions, which can be difficult to verify and may fail even for simple short-memory models. We establish a Bahadur representation to derive, to our knowledge, the first central limit theorem for realized coverage of split conformal prediction under temporal dependence. A consistent block-based estimator of the standard error yields an asymptotically justified test. We further study long-memory time series, which remain understudied in conformal prediction. For Gaussian linear processes, we show how very strong temporal dependence can lead to a non-Gaussian limiting law of realized coverage and establish block-sampling inference with an estimated normalization. The resulting theory explains how temporal dependence changes coverage uncertainty.
• Abstract（参考訳）: コンフォーマルな予測は、限界範囲のカバレッジを保証するが、観察されたカバレッジが本当に異常であるか、サンプリングのバリエーションと一致しているかは、専門家が疑問視するかもしれない。 現実のカバレッジに対する推論は、特に時系列に関して、比較的ほとんど注目されていない。 本研究では,隣接キャリブレーションと時間依存データのテストセットによる分割共形予測について検討した。 機能的依存度を用いて、仮定を混ぜることなく限界被覆誤差の非漸近境界を導出するが、これは検証が困難であり、単純なショートメモリモデルでも失敗する可能性がある。 我々は、時間的依存の下で分割共形予測のカバレッジを実現するための最初の中心極限定理を、我々の知識に基づいて導出するためにバハドゥール表現を確立する。 標準誤差の一貫したブロックベース推定器は漸近的に正当化されたテストをもたらす。 さらに、コンフォメーション予測において検討されている長期記憶時系列について検討する。 ガウス的線形過程に対して、非常に強い時間的依存が、実現されたカバレッジの非ガウス的制限則にいかに結びつくかを示し、推定正規化によるブロックサンプリング推論を確立する。 結果として生じる理論は、時間的依存がカバレッジの不確実性をどのように変えるかを説明する。

関連論文リスト

• Leave a Window Out: Modifying the Jackknife for Predictive Inference in Time Series [16.625550992320004]
  軽度の時間的依存を伴う標準時系列モデルにおいても,バニラ脱落型ジャックナイフは任意のカバレッジの損失を被る可能性が示唆された。 そこで我々は,このような設定に合わせて,Emphleave-a-window-out (LWO) 手法を慎重に提案する。
  論文  参考訳（メタデータ） (2026-05-28T17:41:12Z)
• ConformaDecompose: Explaining Uncertainty via Calibration Localization [0.26385121748044166]
  Conformal Predictionは、保証されたカバレッジを備えた、配布不要な予測間隔を提供する。 単一のグローバルキャリブレーションしきい値への依存は、インスタンスレベルでの不確実性の原因を曖昧にする。 キャリブレーションによる不確実性の再現性を分析する不確実性を考慮した説明可能性フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-29T19:58:15Z)
• CREDO: Epistemic-Aware Conformalized Credal Envelopes for Regression [3.6457570471698095]
  両強みを組み合わせたシンプルな「クレーダル・テンコンフォーマル化」レシピであるCREDOを紹介する。 CREDOはまず、地元の証拠が弱いときに拡大する解釈可能なクレダルエンベロープを構築し、次にこのエンベロープの上にスプリット・コンフォメーション・キャリブレーションを適用して、限界範囲のカバレッジを保証する。 この役割の分離は解釈可能な予測間隔をもたらす。
  論文  参考訳（メタデータ） (2026-03-06T19:37:21Z)
• Distribution-informed Online Conformal Prediction [53.674678995825666]
  更新ルールに基礎となるデータパターンを組み込んだオンラインコンフォメーション予測アルゴリズムである Conformal Optimistic Prediction (COP) を提案する。 COPは予測可能なパターンが存在する場合により厳密な予測セットを生成し、見積もりが不正確な場合でも有効なカバレッジ保証を保持する。 我々は,COPが有効なカバレッジを実現し,他のベースラインよりも短い予測間隔を構築できることを証明した。
  論文  参考訳（メタデータ） (2025-12-08T17:51:49Z)
• A Gentle Introduction to Conformal Time Series Forecasting [0.0]
  このレビューは、非交換可能データに対処するために特別に設計された共形予測手法の最近の進歩をまとめるものである。 まず,弱依存性条件下での分割等角予測に対する有限サンプル保証を導出する理論的基礎を提示する。 次に、キャリブレーションデータを再重み付けしたり、残留分布を動的に更新したり、ターゲットのカバレッジレベルをリアルタイムで調整したりすることで、シリアル依存を軽減する最先端のアプローチを調査し、分類する。
  論文  参考訳（メタデータ） (2025-11-17T17:12:51Z)
• Predictive inference for time series: why is split conformal effective despite temporal dependence? [8.032656343027146]
  コンフォーマル予測法は、任意の iid または交換可能なデータ分布に対して、分布のないカバレッジを提供する。 自動回帰モデルのような過去の観測を利用する予測器は、この問題をさらに悪化させる。 この結果から, 時系列内の時間的依存が交換可能性に違反する程度を計測し, 新たな「スウィッチ係数」を用いて, これらの手法のカバレッジを損なうことが示唆された。
  論文  参考訳（メタデータ） (2025-10-02T18:24:04Z)
• COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
  COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。 COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。 リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
  論文  参考訳（メタデータ） (2025-06-25T07:04:49Z)
• Relational Conformal Prediction for Correlated Time Series [56.59852921638328]
  時系列における不確実性定量化の問題を相関配列を利用して解決する。 共形予測フレームワークと量子レグレッションに基づく分布自由な新しい手法を提案する。 我々の手法は正確なカバレッジを提供し、関連するベンチマークで最先端の不確実性定量化を実現する。
  論文  参考訳（メタデータ） (2025-02-13T16:12:17Z)
• Error-quantified Conformal Inference for Time Series [55.11926160774831]
  時系列予測の不確かさの定量化は、時系列データの時間的依存と分布シフトのために困難である。 量子化損失関数をスムースにすることで,iError-quantified Conformal Inference (ECI)を提案する。 ECIは有効な誤発見制御と、他のベースラインよりも厳密な予測セットを出力することができる。
  論文  参考訳（メタデータ） (2025-02-02T15:02:36Z)
• Mitigating LLM Hallucinations via Conformal Abstention [70.83870602967625]
  我々は,大言語モデルが一般ドメインでの応答をいつ無視すべきかを決定するための,原則化された手順を開発する。 我々は、幻覚率(エラー率)の厳密な理論的保証の恩恵を受けるため、共形予測手法を活用して、禁忌手順を開発する。 実験によって得られた共形禁忌法は, 種々の閉書, オープンドメイン生成質問応答データセットに, 幻覚率を確実に拘束する。
  論文  参考訳（メタデータ） (2024-04-04T11:32:03Z)

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。