PulseAugur
中
实时 11:54:23
实体 quantile regression

quantile regression

PulseAugur coverage of quantile regression — every cluster mentioning quantile regression across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
4
90 天内 7
发布 · 30天
0
90 天内 0
论文 · 30天
4
90 天内 7
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 7 条
  1. RESEARCH · CL_352260 ·

    AI框架通过保证的不确定性区间提高了光网络的可靠性

    研究人员开发了一个保形风险控制(CRC)框架,以提高用于光网络的AI/ML回归模型的可靠性。这种事后方法为预测提供了统计上保证的不确定性区间,改进了运营决策。该框架应用于质量传输(QoT)感知光通路可行性评估,与传统的量化回归相比,在领域转移下显示出决策准确性的显著提高。

  2. TOOL · CL_317525 ·

    FlowCritic 使用生成模型进行强化学习价值估计

    研究人员推出了一种新颖的生成式方法 FlowCritic,用于强化学习中的价值估计。该方法利用在生成模型中取得成功的流匹配技术来建模和采样价值分布。FlowCritic 旨在克服现有方法(如多批评家集成和分布强化学习)的局限性,这些方法要么无法捕捉分布信息,要么依赖于受限的离散化或分位数回归。

  3. TOOL · CL_315240 ·

    新的Loscar框架通过分位数回归增强因果发现能力

    研究人员推出了一种新的因果发现框架Loscar,该框架将RESIT方法扩展到位置-尺度噪声模型(LSNM)。与以往依赖残差估计参数假设的LSNM方法不同,Loscar采用分位数回归进行非参数估计。这种方法允许将预训练的表格基础模型作为即插即用估计器集成。在基准测试中,Loscar在多变量因果发现场景和灵活函数类别方面,相比可行的广义最小二乘(FGLS)变体,展现出显著的性能提升。

  4. TOOL · CL_301149 ·

    新的GBTSVR和GB-TSVQR模型通过使用粒球来增强回归

    研究人员引入了粒球双支持向量回归(GBTSVR)及其分位数扩展GB-TSVQR,以改进回归模型。这些新模型用紧凑的“粒球”取代单个数据点,作为基本的学习单元。这种方法旨在通过抑制噪声和异常值同时保留数据的内在几何结构来增强鲁棒性和泛化能力。实验表明,GBTSVR和GB-TSVQR在各种数据集上的表现优于现有的最先进回归模型。

  5. TOOL · CL_223025 ·

    新的两步Metropolis-Hastings算法增强了贝叶斯经验似然方法

    研究人员开发了一种新颖的两步Metropolis-Hastings算法,旨在提高贝叶斯经验似然(BayesEL)方法马尔可夫链蒙特卡洛(MCMC)采样的效率。这种新方法解决了先前限制BayesEL应用的复杂性和非凸性问题,尤其是在联合分位数回归等领域。该算法通过使用当前参数值来提议剩余参数的新值,从而促进了从BayesEL后验分布的采样,并且可以通过可逆跳跃MCMC程序扩展到贝叶斯模型选择。

  6. RESEARCH · CL_109960 ·

    新方法推进机器学习中的不确定性量化 · 跟踪5个来源

    研究人员介绍了评估机器学习模型中不确定性量化(UQ)的新方法。一种称为“决策对齐”的方法旨在确保UQ指标与下游决策效用有意义地相关,从而揭示了当前通用指标的缺陷。另一项进展侧重于多模态回归任务的高效UQ,将变分贝叶斯推理扩展到分位数回归和分类恢复等模型。此外,还提出了一种名为Ribbon的可扩展近似方法,该方法通过近似贝叶斯自举方法而不要求重复模型重新拟合,从而提供鲁棒的不确定性量化。

  7. RESEARCH · CL_65214 ·

    新的SVM框架增强了重尾数据的量化回归

    研究人员开发了一种新的支持向量机(SVM)框架,以改进具有重尾输入的重尾数据的量化回归。该方法侧重于极端观测值的角度分量,以增强外推场景下的泛化能力。该框架专为高维和非线性数据设计,提供理论保证,并通过对河流流量数据的实证研究证明了其实际相关性。