論文の概要: Finite-Sample LTI System Identification from a Misspecified Finite Model Set

• arxiv url: http://arxiv.org/abs/2610.40387v1
• Date: Thu, 29 Oct 2026 16:27:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 07:17:35.328989
• Title: Finite-Sample LTI System Identification from a Misspecified Finite Model Set
• Title（参考訳）: 不特定有限モデル集合からの有限サンプルLTIシステム同定
• Abstract要約: 有限仮説クラスから未知のLTI系の有限サンプル同定の問題を考える。 まず,得られた推定対象とデータ生成方式への依存性を特徴付ける。 次に、任意の識別アルゴリズムが発生しなければならない故障確率の有限サンプル下限を定めます。
• 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: We consider the problem of finite-sample identification of an unknown LTI system from a finite hypothesis class. In contrast to existing results that assume the hypothesis class contains the true system, we consider the misspecified setting, where the true system does not belong to the hypothesis class. We first characterize the resulting estimation target and its dependence on the data-generation scheme. We then establish a finite-sample lower bound on the failure probability that any identification algorithm must incur. Finally, we analyze the robustness of an existing exponential weighting-based identification algorithm to the misspecification and derive a finite-sample upper bound on its failure probability. Our results illustrate when using a misspecified finite hypothesis class can provide an advantage over identification without prior knowledge of the candidate systems.
• Abstract（参考訳）: 有限仮説クラスから未知のLTI系の有限サンプル同定の問題を考える。 仮説クラスが真系を含むと仮定する既存の結果とは対照的に、真系が仮説クラスに属さない不特定設定を考える。 まず,得られた推定対象とデータ生成方式への依存性を特徴付ける。 次に、任意の識別アルゴリズムが発生しなければならない故障確率の有限サンプル下限を定めます。 最後に、既存の指数重み付けに基づく同定アルゴリズムのロバスト性を分析し、その故障確率の有限サンプル上限を導出する。 この結果から,不特定な有限仮説クラスを用いることで,候補系の事前知識がなければ,同定よりも有利であることを示す。

関連論文リスト

• Identification and Inference for Algorithmic Frontiers with Selective Labels [3.448541679454346]
  本稿では,FAフロンティアを特徴付けるための識別結果と,仮説を検証するための統計的推論ツールを提供する。 本稿では、偏りのある機械学習推定器を提案し、その分布を導出し、FAフロンティアの推論にどのように使用できるかを示す。
  論文  参考訳（メタデータ） (2026-06-12T21:59:54Z)
• Computational Identifiability [58.12019389497595]
  「自己同一性」は性質、無限のデータ、その他の数学的に理想化された条件を仮定する。 「計算的識別可能性」とは、経験的推定器に対する有限計算探索手順を定義することである。 このフレームワークは、どのようにしてきめ細かな、実用的な識別問題に答えられるかを示します。
  論文  参考訳（メタデータ） (2026-06-08T19:39:59Z)
• A finite-sample bound for identifying partially observed linear switched systems from a single trajectory [0.0]
  線形切替系に対するシステム同定アルゴリズムのパラメータ推定誤差に基づいて有限サンプル確率境界を導出する。 我々の境界は、真の系が二次安定性を示すという仮定の下で統計的整合性を保証する。
  論文  参考訳（メタデータ） (2025-03-17T23:02:22Z)
• To Believe or Not to Believe Your LLM [51.2579827761899]
  大規模言語モデル(LLM)における不確実性定量化について検討する。 疫学的な不確実性が大きい場合にのみ確実に検出できる情報理論の指標を導出する。 定式化の利点を実証する一連の実験を行う。
  論文  参考訳（メタデータ） (2024-06-04T17:58:18Z)
• Decomposing Uncertainty for Large Language Models through Input Clarification Ensembling [69.83976050879318]
  大規模言語モデル(LLM)では、不確実性の原因を特定することが、信頼性、信頼性、解釈可能性を改善するための重要なステップである。 本稿では,LLMのための不確実性分解フレームワークについて述べる。 提案手法は,入力に対する一連の明確化を生成し,それらをLLMに入力し,対応する予測をアンサンブルする。
  論文  参考訳（メタデータ） (2023-11-15T05:58:35Z)
• Calibrating Neural Simulation-Based Inference with Differentiable Coverage Probability [50.44439018155837]
  ニューラルモデルのトレーニング目的に直接キャリブレーション項を含めることを提案する。 古典的なキャリブレーション誤差の定式化を緩和することにより、エンドツーエンドのバックプロパゲーションを可能にする。 既存の計算パイプラインに直接適用でき、信頼性の高いブラックボックス後部推論が可能である。
  論文  参考訳（メタデータ） (2023-10-20T10:20:45Z)
• Neural State-Space Models: Empirical Evaluation of Uncertainty Quantification [0.0]
  本稿では,ニューラル状態空間モデルを用いたシステム同定のための不確実性定量化に関する予備的結果を示す。 ベイズ確率的設定で学習問題をフレーム化し、ニューラルネットワークの重みと出力の後方分布を求める。 後部に基づいて,出力の信頼区間を構築し,潜在的に危険なアウト・オブ・ディストリビューション体制下でモデルの使用を効果的に診断できるサプライズ指標を定義する。
  論文  参考訳（メタデータ） (2023-04-13T08:57:33Z)
• Bounding Counterfactuals under Selection Bias [60.55840896782637]
  本稿では,識別不能なクエリと識別不能なクエリの両方に対処するアルゴリズムを提案する。 選択バイアスによって引き起こされる欠如にもかかわらず、利用可能なデータの可能性は無限であることを示す。
  論文  参考訳（メタデータ） (2022-07-26T10:33:10Z)
• Dense Uncertainty Estimation via an Ensemble-based Conditional Latent Variable Model [68.34559610536614]
  我々は、アレータリック不確実性はデータの固有の特性であり、偏見のないオラクルモデルでのみ正確に推定できると論じる。 そこで本研究では,軌道不確実性推定のためのオラクルモデルを近似するために,列車時の新しいサンプリングと選択戦略を提案する。 以上の結果から,提案手法は精度の高い決定論的結果と確実な不確実性推定の両方を達成できることが示唆された。
  論文  参考訳（メタデータ） (2021-11-22T08:54:10Z)

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。