論文の概要: Maximal Algorithmic Caliber and Algorithmic Causal Network Inference: General Principles of Real-World General Intelligence?

• arxiv url: http://arxiv.org/abs/2005.04589v1
• Date: Sun, 10 May 2020 06:14:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-05 01:58:19.202814
• Title: Maximal Algorithmic Caliber and Algorithmic Causal Network Inference: General Principles of Real-World General Intelligence?
• Title（参考訳）: 最大アルゴリズム校正とアルゴリズム因果ネットワーク推論:実世界の汎用知能の一般原理?
• Authors: Ben Goertzel
• Abstract要約: 遠方平衡熱力学の考え方と定式化は、計算過程の文脈に移植される。 最大Caliberの原理が提案され、どの計算処理を仮定すべきかについてのガイダンスを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ideas and formalisms from far-from-equilibrium thermodynamics are ported to the context of stochastic computational processes, via following and extending Tadaki's algorithmic thermodynamics. A Principle of Maximum Algorithmic Caliber is proposed, providing guidance as to what computational processes one should hypothesize if one is provided constraints to work within. It is conjectured that, under suitable assumptions, computational processes obeying algorithmic Markov conditions will maximize algorithmic caliber. It is proposed that in accordance with this, real-world cognitive systems may operate in substantial part by modeling their environments and choosing their actions to be (approximate and compactly represented) algorithmic Markov networks. These ideas are suggested as potential early steps toward a general theory of the operation of pragmatic generally intelligent systems.
• Abstract（参考訳）: 平衡熱力学からのアイデアと形式は、タダキのアルゴリズム熱力学を追従し拡張することで、確率的計算過程の文脈に移植される。 最大アルゴリズムキャリバの原理が提案され、内部で動作する制約が与えられた場合、どの計算プロセスで仮説を立てるべきかに関するガイダンスを提供する。 適切な仮定の下では、アルゴリズムマルコフ条件に従う計算過程がアルゴリズムの口径を最大化すると予想される。 これに応じて、実世界の認知システムは、環境をモデル化し、アルゴリズムマルコフネットワークに適応しコンパクトに表現される)行動を選択することによって、かなりの部分で機能する可能性がある。 これらのアイデアは、実用的一般に知的なシステムの操作の一般理論への潜在的な初期段階として提案されている。

関連論文リスト

• Predicting Probabilities of Error to Combine Quantization and Early Exiting: QuEE [68.6018458996143]
  本稿では,量子化と早期出口動的ネットワークを組み合わせたより一般的な動的ネットワークQuEEを提案する。 我々のアルゴリズムは、ソフトアーリーエグジットや入力依存圧縮の一形態と見なすことができる。 提案手法の重要な要素は、さらなる計算によって実現可能な潜在的な精度向上の正確な予測である。
  論文  参考訳（メタデータ） (2024-06-20T15:25:13Z)
• Order-theoretic models for decision-making: Learning, optimization, complexity and computation [0.0]
  インテリジェントシステムの研究は、経済合理性の観点から行動を説明する。 この論文の第一の目的は、インテリジェントシステムの研究におけるこれらの結果の適用性を明らかにすることである。
  論文  参考訳（メタデータ） (2024-06-15T20:20:43Z)
• On efficient computation in active inference [1.1470070927586016]
  計算量を大幅に減らした有限時間地平線に対する新しい計画アルゴリズムを提案する。 また、新規かつ既存のアクティブな推論計画スキームに対して適切な目標分布を設定するプロセスを簡単にする。
  論文  参考訳（メタデータ） (2023-07-02T07:38:56Z)
• Adiabatic based Algorithm for SAT: a comprehensive algorithmic description [2.2688530041645856]
  量子近似は、解くべき問題を定義するハミルトニアンと混合ハミルトニアンとの交互性を利用する。 量子物理学で最初に定義された断熱定理は、シュリンガー方程式の解を計算することができる。
  論文  参考訳（メタデータ） (2022-07-20T15:42:06Z)
• Brain Principles Programming [0.3867363075280543]
  脳原理プログラミング(Brain Principles Programming、BPP)は、脳の働きの普遍的なメカニズム(原理)を情報と共に定式化したものである。 この論文は以下の理論の数学的モデルとアルゴリズムを用いている。
  論文  参考訳（メタデータ） (2022-02-13T13:41:44Z)
• Fractal Structure and Generalization Properties of Stochastic Optimization Algorithms [71.62575565990502]
  最適化アルゴリズムの一般化誤差は、その一般化尺度の根底にあるフラクタル構造の複雑性'にバウンドできることを示す。 さらに、特定の問題(リニア/ロジスティックレグレッション、隠れ/層ニューラルネットワークなど)とアルゴリズムに対して、結果をさらに専門化します。
  論文  参考訳（メタデータ） (2021-06-09T08:05:36Z)
• Metaheuristic optimization of power and energy systems: underlying principles and main issues of the 'rush to heuristics' [0.0]
  本稿では電力・エネルギーシステムへの適用について考察する。 メタヒューリスティックアルゴリズムを特徴付ける基本原理のセットが提示される。 本稿では,メタヒューリスティックなアルゴリズムを,特定の問題の制約に合うようにカスタマイズする方法について述べる。
  論文  参考訳（メタデータ） (2020-08-17T17:33:51Z)
• A Dynamical Systems Approach for Convergence of the Bayesian EM Algorithm [59.99439951055238]
  我々は、(離散時間)リアプノフ安定性理論が、必ずしも勾配ベースではない最適化アルゴリズムの分析(および潜在的な設計)において、いかに強力なツールとして役立つかを示す。 本稿では,不完全データベイズフレームワークにおけるパラメータ推定を,MAP-EM (maximum a reari expectation-maximization) と呼ばれる一般的な最適化アルゴリズムを用いて行うことに着目したML問題について述べる。 高速収束(線形あるいは二次的)が達成され,S&Cアプローチを使わずに発表することが困難であった可能性が示唆された。
  論文  参考訳（メタデータ） (2020-06-23T01:34:18Z)
• Iterative Algorithm Induced Deep-Unfolding Neural Networks: Precoding Design for Multiuser MIMO Systems [59.804810122136345]
  本稿では,AIIDNN(ディープ・アンフォールディング・ニューラルネット)を一般化した,ディープ・アンフォールディングのためのフレームワークを提案する。 古典的重み付き最小二乗誤差(WMMSE)反復アルゴリズムの構造に基づく効率的なIAIDNNを提案する。 提案したIAIDNNは,計算複雑性を低減した反復WMMSEアルゴリズムの性能を効率よく向上することを示す。
  論文  参考訳（メタデータ） (2020-06-15T02:57:57Z)
• Decentralized MCTS via Learned Teammate Models [89.24858306636816]
  本稿では,モンテカルロ木探索に基づくトレーニング可能なオンライン分散計画アルゴリズムを提案する。 深層学習と畳み込みニューラルネットワークを用いて正確なポリシー近似を作成可能であることを示す。
  論文  参考訳（メタデータ） (2020-03-19T13:10:20Z)
• Active Model Estimation in Markov Decision Processes [108.46146218973189]
  マルコフ決定過程(MDP)をモデル化した環境の正確なモデル学習のための効率的な探索の課題について検討する。 マルコフに基づくアルゴリズムは,本アルゴリズムと極大エントロピーアルゴリズムの両方を小サンプル方式で上回っていることを示す。
  論文  参考訳（メタデータ） (2020-03-06T16:17:24Z)

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。