Fugu-MT 論文翻訳(概要): Dynamic Awareness

論文の概要: Dynamic Awareness

arxiv url: http://arxiv.org/abs/2007.02823v1
Date: Mon, 6 Jul 2020 15:28:22 GMT
ステータス: 処理完了
システム内更新日: 2022-11-13 03:12:11.577089
Title: Dynamic Awareness
Title（参考訳）: 動的認知
Authors: Joseph Y. Halpern and Evan Piermont
Abstract要約: 我々は,より認知されるエージェントの信念をモデル化する方法を検討する。確率を加えることで、Halpern と Rego (2013) のフレームワークを使用します。次に、そのようなモデルが情報開示にどのように適用できるかについて議論する。
参考スコア（独自算出の注目度）: 15.648061765081259
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We investigate how to model the beliefs of an agent who becomes more aware. We use the framework of Halpern and Rego (2013) by adding probability, and define a notion of a model transition that describes constraints on how, if an agent becomes aware of a new formula $\phi$ in state $s$ of a model $M$, she transitions to state $s^*$ in a model $M^*$. We then discuss how such a model can be applied to information disclosure.
Abstract（参考訳）: 我々は,より認知されるエージェントの信念をモデル化する方法を検討する。 Halpern と Rego (2013) のフレームワークを確率を加えることによって使用し、エージェントが新しい式 $\phi$ in state $s$ of a model $M$ を知っていれば、モデル $M^*$ で状態 $s^*$ に遷移する方法についての制約を記述するモデル遷移の概念を定義する。次に、そのようなモデルを情報開示に適用する方法について議論する。

関連論文リスト

Induced Model Matching: How Restricted Models Can Help Larger Ones [1.7676816383911753]
制限された特徴を用いた非常に正確な予測モデルが、より大きく、フル機能の、モデルのトレーニング時に利用可能であるシナリオを考察する。制限されたモデルは、フルモデルにどのように役立つのか? 本稿では,制約モデルと制約モデルの性能を一致させることで,制約モデルの知識をフルモデルに伝達する手法を提案する。
論文参考訳（メタデータ） (2024-02-19T20:21:09Z)
PFGM++: Unlocking the Potential of Physics-Inspired Generative Models [14.708385906024546]
PFGM++と呼ばれる物理に着想を得た新しい生成モデルを導入する。これらのモデルは、$N+D$次元空間に経路を埋め込むことにより、$N$次元データの生成軌道を実現する。有限$D$のモデルは、従来の最先端拡散モデルよりも優れていることを示す。
論文参考訳（メタデータ） (2023-02-08T18:58:02Z)
Misspecification in Inverse Reinforcement Learning [80.91536434292328]
逆強化学習(IRL)の目的は、ポリシー$pi$から報酬関数$R$を推論することである。 IRLの背後にある主要な動機の1つは、人間の行動から人間の嗜好を推測することである。これは、それらが誤って特定され、現実世界のデータに適用された場合、不適切な推測につながる恐れが生じることを意味する。
論文参考訳（メタデータ） (2022-12-06T18:21:47Z)
Causal Proxy Models for Concept-Based Model Explanations [12.656981798587095]
本稿では, 因果関係を近似的に説明し, 因果関係を解析し, 因果関係を解明する手法を提案する。 Causal Proxy Model (CPM) はブラックボックスモデル $mathcalN$ を説明する。本稿では,$mathcalN$のCPMが$mathcalN$と同等に実際の予測を行うことを示す。
論文参考訳（メタデータ） (2022-09-28T17:45:07Z)
Datamodels: Predicting Predictions from Training Data [86.66720175866415]
本稿では,モデルクラスの振る舞いを学習データの観点から分析するための概念的枠組みであるデータモデリングについて述べる。単純な線形データモデルであっても、モデル出力をうまく予測できることが示される。
論文参考訳（メタデータ） (2022-02-01T18:15:24Z)
Validation and Inference of Agent Based Models [0.0]
Agent Based Modelling (ABM) は自律エージェントの動作と相互作用をシミュレーションするための計算フレームワークである。 ABCの最近の研究は、近似確率を計算するためのアルゴリズムをますます効率的にしている。これらをハミルトンCBDの歩行者モデルを用いて検討・比較した。
論文参考訳（メタデータ） (2021-07-08T05:53:37Z)
Exploring Sparse Expert Models and Beyond [51.90860155810848]
Mixture-of-Experts (MoE) モデルは、無数のパラメータを持つが、一定の計算コストで有望な結果が得られる。本稿では,専門家を異なるプロトタイプに分割し,上位1ドルのルーティングに$k$を適用する,エキスパートプロトタイピングというシンプルな手法を提案する。この戦略は, モデル品質を向上させるが, 一定の計算コストを維持するとともに, 大規模モデルのさらなる探索により, 大規模モデルの訓練に有効であることが示唆された。
論文参考訳（メタデータ） (2021-05-31T16:12:44Z)
Adversarial robustness against multiple $l_p$-threat models at the price of one and how to quickly fine-tune robust models to another threat model [79.05253587566197]
対向的堅牢性を実現するために, 対向的トレーニング (AT) を単一$l_p$-threatモデルで行うことが広く議論されている。本稿では,$l_p$-threatモデルの結合に対する対角的ロバスト性を実現するための,シンプルで効率的なトレーニング手法を開発する。
論文参考訳（メタデータ） (2021-05-26T12:20:47Z)
On Exploiting Hitting Sets for Model Reconciliation [53.81101846598925]
ヒューマン・アウェア・プランニングにおいて、プランニング・エージェントは、その計画がなぜ最適なのかを人間に説明する必要があるかもしれない。この手法はモデル和解と呼ばれ、エージェントはモデルと人間のモデルの違いを調和させようとする。我々は,計画の領域を超えて拡張されたモデル和解のための論理ベースのフレームワークを提案する。
論文参考訳（メタデータ） (2020-12-16T21:25:53Z)
Generative Temporal Difference Learning for Infinite-Horizon Prediction [101.59882753763888]
我々は、無限確率的地平線を持つ環境力学の予測モデルである$gamma$-modelを導入する。トレーニングタイムとテストタイムの複合的なエラーの間には、そのトレーニングが避けられないトレードオフを反映しているかについて議論する。
論文参考訳（メタデータ） (2020-10-27T17:54:12Z)

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。