論文の概要: When Can We Trust the Matching Principle? Robust Deployment Geometry Under Finite-Sample and Model Uncertainty
- arxiv url: http://arxiv.org/abs/2610.02894v1
- Date: Fri, 02 Oct 2026 06:38:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 00:14:30.245896
- Title: When Can We Trust the Matching Principle? Robust Deployment Geometry Under Finite-Sample and Model Uncertainty
- Title（参考訳）: マッチング原理はいつ信頼できるのか? 有限サンプルとモデル不確実性の下でのロバスト展開幾何学
- Abstract要約: CCM(Confidence-Calibrated Matching)は、Tauを方針に変えます。
実験では、UCI HAR埋め込みを含む両方のレギュラーが示されており、これは全ての細胞で常に破滅するよりも悪い。
- 参考スコア（独自算出の注目度）: 0.5854803320592717
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Match only geometry you can identify; otherwise spread the penalty. We quantify that decision by the trust ratio tau = epsilon / gamma (estimation uncertainty over spectral separation). Under the linear-quadratic Matching response, oracle-relative drift between estimated and oracle projector matching scales as tau^2 for probes in the chosen top-r deployment subspace -- O(tau^2) in the Davis-Kahan separation region tau < 1/2, with practical usefulness depending on constants. Confidence-Calibrated Matching (CCM) turns tau into a policy -- directional when tau is small, progressively isotropic when not -- with thresholds from calibration, not from the theorem (match sits in the separation region; soft is mostly heuristic). Experiments show both regimes, including UCI HAR embeddings where always-match is worse than abstain on every cell.
- Abstract（参考訳）: 識別できる幾何学のみにマッチし、そうでなければペナルティを広める。
信頼比タウ=エプシロン/ガンマ(スペクトル分離に対する推定の不確実性)による決定を定量化する。
線形四面体マッチング応答の下では、推定とオラクルプロジェクターマッチングスケール間のオラクル相対的ドリフトは、デビス・カハン分離領域tau < 1/2における選択されたトップr配置部分空間ーO(tau^2)におけるプローブのタウ^2として、定数に依存して実用的有用性を持つ。
CCM(Confidence-Calibrated Matching)は、Tauを定理からではなく、キャリブレーションからしきい値(マッチは分離領域にあり、ソフトは概してヒューリスティックである)で、Tauが小さく、そうでなければ徐々に等方的になる政策に変換する。
実験では、UCI HAR埋め込みを含む両方のレギュラーが示されており、これは全ての細胞で常に破滅するよりも悪い。
関連論文リスト
- Projective Normal Fields: A Convex Optimization Method for Constructing Smooth UDFs [68.08537394769392]
本稿では,原点雲からの距離場(UDF)の滑らかな近似を構築するためのフレームワークを提案する。
局所幾何推定をスカラーフィールド構造から分離することにより、PNFは非微分可能なUDFを直接適合させない。
論文 参考訳（メタデータ） (2026-09-28T09:55:50Z) - Semi-Dense Matching Uncertainty Is Not Just Local Confidence [0.0]
本稿では,学習可能なパラメータが9つしかない2成分ラプラス混合モデルを導入する,軽量でポストホックな全体不確実性推定フレームワークを提案する。
目的は、シャープな局所的な精細化ノイズと、粗い割り当て障害の広い尾の両方を明示的に捕捉することである。
提案手法は,計算オーバーヘッドが最小限に抑えられた種々の事前学習済みのマッチング器とロバストな推定器の下流の幾何精度を一貫して改善する。
論文 参考訳（メタデータ） (2026-08-09T13:01:20Z) - Geometry-Only CSL/DP Ratios and the Nonuniqueness of Decoherence Kernels [0.0]
本研究では,大規模試験粒子の空間重ね合わせを創出する理想的なレビテーションプロトコルについて検討する。
各プロトコルについて、質量比連続自発局所化(CSL)の無次元コントラスト損失指数と、Di-Penrose(DP)自己エネルギー指数である$E_G/hbar$を比較した。
論文 参考訳（メタデータ） (2026-08-06T12:46:24Z) - Mind the Gap: Standard 3DGS Evaluation Primarily Measures Near-Trajectory Interpolation [0.0]
標準的な3Dガウススプレイティング評価では、すべてのN番目のフレームが定義されているが、これらのフレームは両側の隣人を訓練しているため、計量は空間的な一般化よりもほぼ軌道を測っている。
この効果を分離するフェアマッチカウントプロトコルを導入する。
両腕は同じ数の画像を訓練し、ホールドアウトが均等に広がるか(補間)、または連続的な空間セクターを形成するか(補間)が異なる。
論文 参考訳（メタデータ） (2026-07-02T00:24:15Z) - Finite-Sample Selected Covariance Spectra in Classical Shadows [45.85698554568285]
主定理は任意のシャドウプロトコルに適用される。
固定された局所的次元を持つ一般の局所積影プロトコルでは、有限重積オブザーバブルは、サポートサイズと局所再構成係数によって制御される境界に導かれる。
偏りのある局所パウリ影に対しては、選択されたパウリ支援と局所基底選択確率から閉形式の有界性を評価する。
論文 参考訳（メタデータ） (2026-05-30T04:46:49Z) - RAMPAGE: RAndomized Mid-Point for debiAsed Gradient Extrapolation [10.213412445129089]
Extragradient (EG) は、非線形分野、保守的分野、その他の分野に適用した場合、離散化バイアスに悩まされることがある。
本稿では,RAMPAGE(debiAsed Gradient Extrapolation)のためのRAndomized Mid-Pointとその分散還元RAM+について紹介する。
論文 参考訳（メタデータ） (2026-03-23T16:18:31Z) - Towards Self-Supervised Covariance Estimation in Deep Heteroscedastic Regression [102.24287051757469]
深部異方性回帰における自己教師付き共分散推定について検討する。
正規分布の間の2-ワッサーシュタイン距離の上界を導出する。
幅広い合成データセットと実データセットに対する実験により、提案された2-ワッサーシュタインと擬似ラベルアノテーションが結合した結果、計算的に安価で正確な深部ヘテロ代用回帰が導かれることが示された。
論文 参考訳（メタデータ） (2025-02-14T22:37:11Z) - TIC-TAC: A Framework for Improved Covariance Estimation in Deep Heteroscedastic Regression [109.69084997173196]
奥行き回帰は、予測分布の平均と共分散を負の対数類似度を用いて共同最適化する。
近年の研究では, 共分散推定に伴う課題により, 準最適収束が生じる可能性が示唆されている。
1)予測共分散は予測平均のランダム性を真に捉えているか?
その結果, TICは共分散を正確に学習するだけでなく, 負の対数類似性の収束性の向上も促進することがわかった。
論文 参考訳（メタデータ） (2023-10-29T09:54:03Z) - H\"older Bounds for Sensitivity Analysis in Causal Reasoning [66.00472443147781]
導出バイアス |E[Y|T=t]-E[Y|do(T=t)]| 上の接点の集合は、未測定の接点の度合いに基づいて導出する。
これらの境界は、U が T から独立であるとき、あるいは U が T から独立であるとき、あるいは U が T から独立であるとき、厳密である。
論文 参考訳（メタデータ） (2021-07-09T20:26:36Z) - Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。
本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。
実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
論文 参考訳（メタデータ） (2020-07-20T12:07:48Z)
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。