KNOWLEDGE VAULT — TAG
タグ「確率予測」
収蔵 7件
2026-11-19
拡散モデルを用いたスパース信号復元における理論的保証と効率的な逆問題解決
Diffusion Models are Provably Efficient Priors for Sparse Recovery
出典:arXiv stat.ML (Statistical ML)(Authors: Ivan Lee, Xingyu Xu, Yuejie Chi | 2026-11-18)
- 拡散モデルを「スパース性を促進する事前分布」として利用し、圧縮センシング等の逆問題を解く理論的枠組みを提示。
- 従来の漸近的保証や高コストな計算を克服し、少数の線形観測から多項式時間で準最適サンプル複雑度での復元を証明。
- 拡散モデルが正確なBernoulli-Gaussian事前分布を捉えている場合、ノイズ除去を伴う事後分布サンプリングでTVノルム保証を確立。
2026-11-19
単一データセットからの「単一文化(Monoculture)」回避:複製可能性に基づくロバスト学習の理論
Monoculture Robust Learning
出典:arXiv cs.LG (Machine Learning)(Authors: Lee Cohen, Jon Kleinberg, Omer Reingold | 2026-11-18)
- 同一の学習データを用いるモデル群が共通の入力で一斉に失敗する「アルゴリズムの単一文化」問題を理論的に定義。
- 「複製可能性(Replicability)」と結びつけることで、単一データから$k$個の独立したエラー特性を持つ仮説を生成する手法を提示。
- モデルの汎化性能を評価する際、単一の精度だけでなく、複数のモデルが「同時に失敗しないこと」を保証する枠組みとして有効。
2026-11-19
再帰的自己改善(RSI)とエージェント駆動型データ工学によるマルチモーダル意思決定モデル「Piccolo」の構築
Piccolo: Co-Evolving Decision Models and Data through Recursive Self-Improvement
出典:Hugging Face Daily Papers(Upvotes: 4 | arXiv:2611.24651)
- 再帰的自己改善(RSI)とエージェント駆動型データ工学を用いて、モデル能力と学習データを共進化させるマルチモーダル意思決定モデル「Piccolo」の提案。
- 従来の単なるデータ収集に対し、研究エージェントがモデルの挙動を分析・実験し、フィードバックを次世代のデータ生成に反映させることで、より高品質なデータ選別を実現。
- 視覚判断、エージェント操作、インタラクティブゲームなど、複雑な意思決定を伴うマルチモーダルタスクにおいて、特に小〜中規模モデル(4B-9B)での高い汎化性能を発揮。
2026-11-08
間欠時系列のための確率論的予測手法のベンチマーク:fable.intermittent
fable.intermittent: benchmarking probabilistic forecasting methods for intermittent time series
出典:arXiv Core: Tabular, GBDT & Time-Series(Authors: Stefano Damato, Lorenzo Zambon, Giorgio Corani et al. | 2026-09-23)
- スペアパーツや小売販売に多い「間欠時系列」に対し、点予測ではなく在庫管理等に不可欠な予測分布(確率論的予測)を提供する。
- 複数の確率論的予測手法を単一のパイプラインで適合・評価可能にするRパッケージ「fable.intermittent」を導入。
- Tweedie分布を用いた新しい指数平滑化モデル「TWEES」を提案し、計算負荷の高い密度関数の反復評価に対応。
2026-11-08
ガウス過程とTweedie尤度を用いた間欠的時系列の予測
Forecasting intermittent time series with Gaussian Processes and Tweedie likelihood
出典:arXiv Core: Tabular, GBDT & Time-Series(Authors: Stefano Damato, Dario Azzimonti, Giorgio Corani | 2025-02-26)
- 間欠的な時系列データ(ゼロ値が多いデータ)の確率的予測に、潜在関数としてガウス過程(GP)を採用。
- 負の二項分布(NegBinGP)に加え、ゼロの点質量と重い裾を両立するTweedie分布(TweedieGP)を初めて導入。
- 数千の時系列データを用いた評価の結果、提案モデルは既存手法を上回る一貫した予測精度を達成。
2026-11-08
GEFCom2014における確率論的電力需要予測のためのLasso推定
Lasso estimation for GEFCom2014 probabilistic electric load forecasting
出典:arXiv Core: Tabular, GBDT & Time-Series(Authors: Florian Ziel, Bidong Liu | 2016-03-04)
- Lasso推定を用いた、電力需要と気温の二変量時変閾値自己回帰(TV-TAR)プロセスに基づく確率論的予測手法を提案。
- 気温の影響を直接組み込み、日次・週次・年次の季節性および祝日効果をモデルに反映。
- GEFCom2014および類似のコンペティションにおいて、上位入賞者の複数線形回帰モデルを上回る精度を実証。
2026-11-08
Deep Poisson Mixture Networkを用いた階層的確率予測
Probabilistic Hierarchical Forecasting with Deep Poisson Mixtures
出典:arXiv Core: Tabular, GBDT & Time-Series(Authors: Kin G. Olivares, O. Nganba Meetei, Ruijun Ma et al. | 2021-10-25)
- 階層構造を持つ時系列データにおいて、各階層の予測値の合計が上位階層の予測値と一致する「階層的一貫性」を維持する手法を提案。
- Deep Poisson Mixture Network (DPMN) を導入し、ニューラルネットワークと階層的マルチバリアント時系列の同時分布に関する統計モデルを組み合わせることで、正確かつ一貫性のある確率予測を実現。
- モデルの構造自体によって階層的一貫性を保証するため、予測後の複雑な調整プロセスを簡略化し、効率的な集計と分解を可能にする。
このページの要約は、収集パイプラインが自動生成した digest(要約)です。内容の正確なところは、必ず各項目の出典リンク先の原文で確認してください。出典の本文そのものは掲載していません。ジャンル分けも自動分類のため、周辺の話題が混ざることがあります。