Interval-based validation of a nonlinear estimator

要約

エンジニアリングでは、システムの動作を表すためにモデルがよく使用されます。
次に、観察に基づいてモデルのパラメーターの値を近似するための推定器が必要になります。
この近似は、モデルによって予測された値と実際に行われた観測値の間の差異を意味します。
不確実性が生じ、危険な意思決定につながる可能性があります。
区間分析ツールは、推定量自体が区間分析に依存していない場合でも、推定量の一部の特性を保証するために使用できます (Adam、2019) (Adam、2015)。
この論文は、非線形推定量を検証するための区間ベースの保証された方法を提案することで、この力学に貢献します。
これは、Moore-Skelboe アルゴリズム (van Emden、2004) に基づいています。
このメソッドは、推定器が決して超えることのない保証された最大誤差を返します。
ニューラル ネットワークなどの非保証推定器を使用する場合でも、プロパティを保証できることを示します。

要約(オリジナル)

In engineering, models are often used to represent the behavior of a system. Estimators are then needed to approximate the values of the model’s parameters based on observations. This approximation implies a difference between the values predicted by the model and the observations that have been made. It creates an uncertainty that can lead to dangerous decision making. Interval analysis tools can be used to guarantee some properties of an estimator, even when the estimator itself doesn’t rely on interval analysis (Adam, 2019) (Adam, 2015). This paper contributes to this dynamic by proposing an interval-based and guaranteed method to validate a nonlinear estimator. It is based on the Moore-Skelboe algorithm (van Emden, 2004). This method returns a guaranteed maximum error that the estimator will never exceed. We will show that we can guarantee properties even when working with non-guaranteed estimators such as neural networks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google