抽象: 本稿では、研究者がモデル内の各不確実性の源に対する自信（確信度）を明示的に符号化できるようにすることで、ベイズ推論を拡張する一般的な枠組みを提案します。この仕組みは、モデル設計および正則化制御のための新たな操作ハンドルを提供します。この枠組みを基に、統計モデルにおいて疎性を誘導するための一般的な手法を開発し、それを線形回帰およびロジスティック回帰、ならびにベイズニューラルネットワークでの用途を通して示します。
不確実性の源を伴うベイズ推論：信頼度モデリングからスパース推定へ
arXiv stat.ML / 2026/5/6
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、各不確実性の源についてモデル内で研究者が明示的に“信頼度”をエンコードできるようにする、ベイズ推論の一般的な拡張枠組みを提案しています。
- 信頼度エンコードの仕組みは、モデル設計と正則化（レギュラリゼーション）制御のための新しいハンドルとして位置づけられています。
- 提案枠組みを用いて統計モデルにスパース性を誘導するための手法を開発しています。
- 手法は線形回帰、ロジスティック回帰、ベイズニューラルネットワークでの例により、幅広い適用可能性を示しています。
