論文の概要: Bayesian Entailment Hypothesis: How Brains Implement Monotonic and
Non-monotonic Reasoning
- arxiv url: http://arxiv.org/abs/2005.00961v3
- Date: Wed, 27 Jan 2021 18:00:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-07 06:24:35.813968
- Title: Bayesian Entailment Hypothesis: How Brains Implement Monotonic and
Non-monotonic Reasoning
- Title（参考訳）: ベイジアン包含仮説:脳がいかに単調および非単調な推論を実行するか
- Authors: Hiroyuki Kido
- Abstract要約: ベイズ的含意の説明を与え、その抽象的推論特性を特徴づける。
代表的な非単調な帰結関係である優先エンテーメントは、最大で後続エンテーメントであることが示されている。
提案提案のメリットとして,デフォルト設定のエンコーディング,変更と矛盾の処理,人間関係のモデル化などについて論じる。
- 参考スコア（独自算出の注目度）: 0.6853165736531939
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent success of Bayesian methods in neuroscience and artificial
intelligence gives rise to the hypothesis that the brain is a Bayesian machine.
Since logic, as the laws of thought, is a product and practice of the human
brain, it leads to another hypothesis that there is a Bayesian algorithm and
data-structure for logical reasoning. In this paper, we give a Bayesian account
of entailment and characterize its abstract inferential properties. The
Bayesian entailment is shown to be a monotonic consequence relation in an
extreme case. In general, it is a sort of non-monotonic consequence relation
without Cautious monotony or Cut. The preferential entailment, which is a
representative non-monotonic consequence relation, is shown to be maximum a
posteriori entailment, which is an approximation of the Bayesian entailment. We
finally discuss merits of our proposals in terms of encoding preferences on
defaults, handling change and contradiction, and modeling human entailment.
- Abstract（参考訳）: 近年、神経科学と人工知能におけるベイズ法の成功は、脳がベイズ機械であるという仮説を生み出している。
論理学は、思考の法則として人間の脳の産物と実践であるため、論理的推論のためのベイズアルゴリズムとデータ構造が存在するという別の仮説が導かれる。
本稿では,その包含のベイズ的説明と,その抽象的推論特性を特徴付ける。
ベイズ包含は極端な場合において単調な帰結関係であることが示されている。
一般に、慎重な単調やカットのない非単調な結果関係の一種である。
代表的な非単調な帰結関係である優先的エンターメントは、ベイズ的エンターメントの近似である最大後続エンターメントであることが示される。
最後に、デフォルトの好みをエンコーディングし、変更と矛盾を処理し、人間を包含するモデリングという観点から、提案のメリットについて論じる。
関連論文リスト
- Don't Cut Corners: Exact Conditions for Modularity in Biologically Inspired Representations [52.48094670415497]
我々は、生物にインスパイアされた表現が、ソース変数(ソース)に関してモジュール化されるときの理論を開発する。
我々は、最適な生物学的にインスパイアされたリニアオートエンコーダのニューロンがモジュラー化されるかどうかを判断する情報源のサンプルに対して、必要かつ十分な条件を導出する。
我々の理論はどんなデータセットにも当てはまり、以前の研究で研究された統計的な独立性よりもはるかに長い。
論文 参考訳（メタデータ） (2024-10-08T17:41:37Z) - Inference of Abstraction for a Unified Account of Reasoning and Learning [0.0]
我々は、推論と学習の統一的な説明のために、単純な確率的推論の理論を与える。
我々は、形式論理におけるその満足度の観点から、データがどのように象徴的な知識を引き起こすかをモデル化する。
論文 参考訳（メタデータ） (2024-02-14T09:43:35Z) - A Simple Generative Model of Logical Reasoning and Statistical Learning [0.6853165736531939]
統計的学習と論理的推論は、AIの2つの主要な分野であり、人間のようなマシンインテリジェンスに統一されることが期待されている。
本稿では、論理的推論と統計的学習の単純なベイズモデルを提案する。
我々は、形式論理におけるその満足度の観点から、データがどのように象徴的知識を引き起こすかをモデル化する。
論文 参考訳（メタデータ） (2023-05-18T16:34:51Z) - Understanding Approximation for Bayesian Inference in Neural Networks [7.081604594416339]
ベイズニューラルネットワークにおける近似推論について検討する。
近似後部の期待効用は推論品質を測定することができる。
継続的かつ活発な学習セットは、後部品質とは無関係な課題を引き起こします。
論文 参考訳（メタデータ） (2022-11-11T11:31:13Z) - Logical Satisfiability of Counterfactuals for Faithful Explanations in
NLI [60.142926537264714]
本稿では, 忠実度スルー・カウンタファクトの方法論について紹介する。
これは、説明に表される論理述語に基づいて、反実仮説を生成する。
そして、そのモデルが表現された論理と反ファクトの予測が一致しているかどうかを評価する。
論文 参考訳（メタデータ） (2022-05-25T03:40:59Z) - Observing Interventions: A logic for thinking about experiments [62.997667081978825]
本稿では,実験から学ぶ論理への第一歩について述べる。
我々のアプローチにとって重要なことは、介入の概念が(現実的または仮説的な)実験の形式的表現として使用できるという考えである。
提案された全ての論理系に対して、健全で完全な公理化を提供する。
論文 参考訳（メタデータ） (2021-11-25T09:26:45Z) - Bayes Meets Entailment and Prediction: Commonsense Reasoning with
Non-monotonicity, Paraconsistency and Predictive Accuracy [2.7412662946127755]
論理的な結果関係の生成モデルを紹介します。
これは、ある文の真理値が、世界の状態の確率分布から確率的に生成される過程を定式化する。
生成モデルは、カグルタイタニックデータセットの予測精度と複雑性において、いくつかの代表的なアルゴリズムを上回る新しい分類アルゴリズムを与える。
論文 参考訳（メタデータ） (2020-12-15T18:22:27Z) - Causal Expectation-Maximisation [70.45873402967297]
ポリツリーグラフを特徴とするモデルにおいても因果推論はNPハードであることを示す。
我々は因果EMアルゴリズムを導入し、分類的表現変数のデータから潜伏変数の不確かさを再構築する。
我々は、反事実境界が構造方程式の知識なしにしばしば計算できるというトレンドのアイデアには、目立たずの制限があるように思える。
論文 参考訳（メタデータ） (2020-11-04T10:25:13Z) - From Checking to Inference: Actual Causality Computations as
Optimization Problems [79.87179017975235]
本稿では、最適化問題として二元非巡回モデルよりも、因果推論の異なる概念を定式化するための新しいアプローチを提案する。
8000ドル以上の変数を持つモデルを用いて,MaxSAT が ILP を上回り,数秒単位でチェック処理を行う場合が多い。
論文 参考訳（メタデータ） (2020-06-05T10:56:52Z) - A non-commutative Bayes' theorem [0.0]
ベイズの定理の類似性を古典的および量子的共同文脈で証明する。
さらに、ほぼ至る所で同値な非可換性を開発する。
この手順が量子情報理論に関連するいくつかの例に対してどのように機能するかを説明する。
論文 参考訳（メタデータ） (2020-05-08T07:51:01Z) - Invariant Rationalization [84.1861516092232]
典型的な合理化基準、すなわち最大相互情報(MMI)は、合理性のみに基づいて予測性能を最大化する合理性を見つける。
ゲーム理論の不変な有理化基準を導入し、各環境において同じ予測器を最適にするために、有理を制約する。
理論的にも実証的にも、提案された理性は、素早い相関を除外し、異なるテストシナリオをより一般化し、人間の判断とよく一致させることができることを示す。
論文 参考訳（メタデータ） (2020-03-22T00:50:27Z)
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。