論文の概要: Inference with Choice Functions Made Practical
- arxiv url: http://arxiv.org/abs/2005.03098v3
- Date: Wed, 15 Jul 2020 14:08:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-05 23:23:55.776327
- Title: Inference with Choice Functions Made Practical
- Title（参考訳）: 実践的な選択関数による推論
- Authors: Arne Decadt, Jasper De Bock, Gert de Cooman
- Abstract要約: 我々は、従来の選択から新しい選択を保守的な方法で推測する方法を研究する。
我々は選択関数の理論(保守的な意思決定のための統一された数学的枠組み)を用いる。
- 参考スコア（独自算出の注目度）: 1.1859913430860332
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study how to infer new choices from previous choices in a conservative
manner. To make such inferences, we use the theory of choice functions: a
unifying mathematical framework for conservative decision making that allows
one to impose axioms directly on the represented decisions. We here adopt the
coherence axioms of De Bock and De Cooman (2019). We show how to naturally
extend any given choice assessment to such a coherent choice function, whenever
possible, and use this natural extension to make new choices. We present a
practical algorithm to compute this natural extension and provide several
methods that can be used to improve its scalability.
- Abstract（参考訳）: 我々は、従来の選択から新しい選択を保守的に推測する方法を研究する。
このような推論を行うために、我々は選択関数の理論を用いる: 表現された決定に直接公理を課すことを可能にする保守的意思決定のための統一的な数学的枠組み。
ここでは、De Bock と De Cooman (2019) のコヒーレンス公理を採用する。
任意の選択アセスメントを、可能であればいつでもコヒーレントな選択関数に自然に拡張する方法を示し、この自然な拡張を使用して新しい選択を行う。
本稿では,この拡張性を計算するための実用的なアルゴリズムと,拡張性を改善するためのいくつかの手法を提案する。
関連論文リスト
- Extending choice assessments to choice functions: An algorithm for computing the natural extension [45.238324742678124]
選択関数の枠組みを用いて、選択前の選択から新しい選択を推測する方法を研究する。
特に、与えられた選択評価の自然(最も保守的な)拡張をコヒーレントな選択関数に定義する。
論文 参考訳（メタデータ） (2024-07-30T20:10:59Z) - Decision-making with E-admissibility given a finite assessment of
choices [64.29961886833972]
本稿では,E-admissibilityによる意思決定の意義について考察する。
我々は選択関数の数学的枠組みを用いて選択と拒絶を指定する。
線形実現可能性問題を解くことによって,この拡張を計算するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-04-15T11:46:00Z) - Choosing on Sequences [0.0]
無限列からの選択を考慮に入れた新しい枠組みを提案する。
有界な注意は、自然位相に対する選択関数の連続性によるものであることを示す。
チューリングマシンを用いた選択関数の計算可能性の概念を導入し、計算可能な選択規則を有限オートマトンで実装可能であることを示す。
論文 参考訳（メタデータ） (2022-02-28T20:16:24Z) - Temporal Abstraction in Reinforcement Learning with the Successor
Representation [65.69658154078007]
我々は、後継表現(SR)が時間的抽象化の発見と利用の自然な基盤とみなすことができると論じる。
我々は、SRが時間的に延長された探索や計画を容易にする選択肢を見つけるためにどのように使用できるかを示す。
論文 参考訳（メタデータ） (2021-10-12T05:07:43Z) - Modularity in Reinforcement Learning via Algorithmic Independence in
Credit Assignment [79.5678820246642]
提案手法は, 事前決定の順序に対して, スパース変化のみを必要とする伝達問題に対して, 政策段階の手法よりも, より標本効率が高いことを示す。
我々は最近提案された社会的意思決定の枠組みをマルコフ決定プロセスよりもよりきめ細かい形式主義として一般化する。
論文 参考訳（メタデータ） (2021-06-28T21:29:13Z) - Adversarial Option-Aware Hierarchical Imitation Learning [89.92994158193237]
提案するOption-GAILは,遠隔地平線でスキルを学ぶための新しい手法である。
Option-GAILの鍵となる考え方は、タスク階層をオプションでモデル化し、生成的敵最適化を通じてポリシーを訓練することである。
実験によると、Option-GAILはさまざまなタスクにおいて、他のタスクよりも一貫してパフォーマンスが向上している。
論文 参考訳（メタデータ） (2021-06-10T06:42:05Z) - Smart Choices and the Selection Monad [0.0]
選択と結果のコストと報酬の観点からシステムを記述することは、アルゴリズム設計者やプログラマが選択をどのように行うべきかを自由にする、という約束を提供する。
意思決定の抽象化をサポートする2つの小さな言語を定義します。
論文 参考訳（メタデータ） (2020-07-17T12:13:16Z) - Learning Choice Functions via Pareto-Embeddings [3.1410342959104725]
本稿では,各オブジェクトが特徴ベクトルで表現される対象の集合から選択することの難しさを考察する。
本稿では,この課題に適した識別可能な損失関数を最小化する学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-07-14T09:34:44Z) - Archimedean Choice Functions: an Axiomatic Foundation for Imprecise
Decision Making [0.9442139459221782]
確率測度(E-admissibility)と最大性(maximality)の集合に適用する2つの一般化に焦点を当てる。
我々は、この規則を一意に特徴づける選択関数に関する必要十分条件の集合を提供する。
アルキメデス選択関数のコヒーレントな下予想の表現定理は、どちらの結果にも基づいている。
論文 参考訳（メタデータ） (2020-02-12T19:44:08Z) - Options of Interest: Temporal Abstraction with Interest Functions [58.30081828754683]
一般関数近似に適した開始集合の一般化を、オプションに関連付けられた興味関数を定義することによって提供する。
我々は、関心関数に対する勾配に基づく学習アルゴリズムを導出し、新たな関心選択批判的アーキテクチャを創出する。
論文 参考訳（メタデータ） (2020-01-01T21:24:39Z)
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。