論文の概要: Possibilistic Radial Transport for Approximate IM Inference
- arxiv url: http://arxiv.org/abs/2610.09956v1
- Date: Wed, 07 Oct 2026 12:32:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.905431
- Title: Possibilistic Radial Transport for Approximate IM Inference
- Title（参考訳）: 近似IM推論のためのラジアル移動の可能性
- Abstract要約: そこで本研究では,パラメータの輪郭値を原点半径内に隠蔽する,確率的ラジアル輸送を提案する。
本研究では,各シェル内のエントロピーを最大化しつつ,輪郭深度条件を強制する深層学習アルゴリズムを提案する。
また,Bel-Plスペクトルを構築し,解釈可能な仮説の比較と選択を行う。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Probing the hypothesis space after seeing the data remains valid under possibilistic inferential models (IMs), provided the significance level stays fixed. The price is computation, as each plausibility is a supremum of the possibility contour over the hypothesis, and the contour itself is approximated at each queried parameter value. We propose a possibilistic radial transport, which hides the contour value of a parameter in the radius of its source point. When a transport that maximizes within-shell entropy is picked, sampling parameters covering a confidence cut becomes a matter of truncating the radius. We provide a deep learning algorithm that enforces the contour depth condition while maximizing the entropy within each shell. Our amortization makes coverage and power assessments of the learned approximation practical as well as predictive check of new datasets. We also use the sampler to construct a Bel-Pl spectrum for comparing and selecting interpretable hypotheses that satisfy a prescribed Bel-Pl decision criterion. In simulations the learned contours match or improve on ellipsoidal approximations to the cuts, while the coverage and power track the exact reference. Finally, we probe hypotheses about ovarian aging using synthetic AMH records, asking for each woman how many more years her median AMH level will remain above a specified reference value.
- Abstract（参考訳）: 確率的推論モデル(IM)の下でデータを見た後、仮説空間が有効であることは、重要度が固定されたままである。
それぞれの可視性は仮説上の可能性輪郭の上限であり、その輪郭自体が各クエリされたパラメータ値で近似されるため、価格は計算される。
そこで本研究では,パラメータの輪郭値を原点半径内に隠蔽する,確率的ラジアル輸送を提案する。
殻内エントロピーを最大化する輸送体が選択されると、信頼切断をカバーするサンプリングパラメータが半径を逸脱する問題となる。
本研究では,各シェル内のエントロピーを最大化しつつ,輪郭深度条件を強制する深層学習アルゴリズムを提案する。
我々の償却は、学習した近似のカバレッジとパワーアセスメント、および新しいデータセットの予測チェックを可能にします。
また,Bel-Pl判定基準を満たす解釈可能な仮説を比較・選択するためのBel-Plスペクトルを構築した。
シミュレーションでは、学習した輪郭はカットに対する楕円近似に一致または改善され、カバーとパワーは正確な基準を追跡する。
最後に, 合成AMHレコードを用いて卵巣の老化に関する仮説を考察し, それぞれの女性に対して, 平均AMH値が特定の基準値を超えている期間について検討した。
関連論文リスト
- Predicting When Random Low-Dimensional Reparameterizations Train Neural Networks [3.980892205755342]
本稿では、曲率スペクトルと基準解の変位プロファイルの両方からランダムスライス残差を予測できる配向分解2次マスター式を提案する。
次にRandom Mapping Networks (RaMaN)を導入し, 予測潜在次元を, 構造化アダマールあるいはシード再生ガウス写像を用いてインスタンス化する。
RaMaNは、測定された遷移位置を追尾し、変位方向が重要となるとき、向きに依存しない近似を上回ります。
論文 参考訳（メタデータ） (2026-08-12T21:09:54Z) - Distributed Nonparametric Estimation: from Sparse to Dense Samples per Terminal [9.766173684831324]
我々は,すべてのレシエーションに対して最小値の最適レートを特徴付けるとともに,各端末毎のサンプルがスパースから密度に変化するため,最適レートの位相遷移を同定する。
これにより、以前の研究で残された問題が完全に解決され、その範囲は密度の高いサンプルを持つレギュレーションまたは終端あたりの1つのサンプルに限られる。
最適率は、密度推定、ガウス、二分法、ポアソン、ヘテロスケダスティック回帰モデルなど、様々な特殊ケースに即時に適用される。
論文 参考訳（メタデータ） (2025-01-14T06:41:55Z) - Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。
このような問題は医学、物理学、機械学習で発生する。
両種類の雑音下で提案アルゴリズムの収束保証を行う。
論文 参考訳（メタデータ） (2024-11-21T10:26:17Z) - Conditional simulation via entropic optimal transport: Toward non-parametric estimation of conditional Brenier maps [13.355769319031184]
条件付きシミュレーションは統計モデリングの基本的な課題である。
1つの有望なアプローチは条件付きブレニエ写像を構築することである。
等方的最適輸送の計算スケーラビリティに基づく条件付きブレニエ写像の非パラメトリック推定器を提案する。
論文 参考訳（メタデータ） (2024-11-11T17:32:47Z) - A Likelihood Based Approach to Distribution Regression Using Conditional Deep Generative Models [8.862614615192578]
本研究では,条件付き深部生成モデルの推定のための可能性に基づくアプローチの大規模サンプル特性について検討する。
その結果,条件分布を推定するための最大極大推定器の収束率を導いた。
論文 参考訳（メタデータ） (2024-10-02T20:46:21Z) - Efficient Learning of POMDPs with Known Observation Model in Average-Reward Setting [56.92178753201331]
我々は,POMDPパラメータを信念に基づくポリシを用いて収集したサンプルから学習することのできる観測・認識スペクトル(OAS)推定手法を提案する。
提案するOAS-UCRLアルゴリズムに対して,OASプロシージャの整合性を示し,$mathcalO(sqrtT log(T)$の残差保証を証明した。
論文 参考訳（メタデータ） (2024-10-02T08:46:34Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳（メタデータ） (2021-11-15T09:08:27Z) - Near-optimal inference in adaptive linear regression [60.08422051718195]
最小二乗法のような単純な方法でさえ、データが適応的に収集されるときの非正規な振る舞いを示すことができる。
我々は,これらの分布異常を少なくとも2乗推定で補正するオンラインデバイアス推定器のファミリーを提案する。
我々は,マルチアームバンディット,自己回帰時系列推定,探索による能動的学習などの応用を通して,我々の理論の有用性を実証する。
論文 参考訳（メタデータ） (2021-07-05T21:05:11Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳（メタデータ） (2021-02-12T12:23:13Z) - Improved guarantees and a multiple-descent curve for Column Subset
Selection and the Nystr\"om method [76.73096213472897]
我々は,データ行列のスペクトル特性を利用して近似保証を改良する手法を開発した。
我々のアプローチは、特異値減衰の既知の速度を持つデータセットのバウンダリが大幅に向上する。
RBFパラメータを変更すれば,改良された境界線と多重発振曲線の両方を実データセット上で観測できることが示される。
論文 参考訳（メタデータ） (2020-02-21T00:43:06Z)
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。