論文の概要: Discovering Causal Structure with Reproducing-Kernel Hilbert Space
$\epsilon$-Machines
- arxiv url: http://arxiv.org/abs/2011.14821v2
- Date: Thu, 2 Dec 2021 17:00:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-22 01:54:23.628749
- Title: Discovering Causal Structure with Reproducing-Kernel Hilbert Space
$\epsilon$-Machines
- Title（参考訳）: 再生ケルネルヒルベルト空間$\epsilon$-Machinesによる因果構造の検出
- Authors: Nicolas Brodu and James P. Crutchfield
- Abstract要約: 本稿では,システム動作の観察から因果構造を直接推定する手法を提案する。
外部および測定ノイズレベルが異なる場合の因果構造を頑健に推定する。
- 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: We merge computational mechanics' definition of causal states
(predictively-equivalent histories) with reproducing-kernel Hilbert space
(RKHS) representation inference. The result is a widely-applicable method that
infers causal structure directly from observations of a system's behaviors
whether they are over discrete or continuous events or time. A structural
representation -- a finite- or infinite-state kernel $\epsilon$-machine -- is
extracted by a reduced-dimension transform that gives an efficient
representation of causal states and their topology. In this way, the system
dynamics are represented by a stochastic (ordinary or partial) differential
equation that acts on causal states. We introduce an algorithm to estimate the
associated evolution operator. Paralleling the Fokker-Plank equation, it
efficiently evolves causal-state distributions and makes predictions in the
original data space via an RKHS functional mapping. We demonstrate these
techniques, together with their predictive abilities, on discrete-time,
discrete-value infinite Markov-order processes generated by finite-state hidden
Markov models with (i) finite or (ii) uncountably-infinite causal states and
(iii) continuous-time, continuous-value processes generated by thermally-driven
chaotic flows. The method robustly estimates causal structure in the presence
of varying external and measurement noise levels and for very high dimensional
data.
- Abstract（参考訳）: 我々は、計算力学の因果状態(予測等価履歴)の定義と再生カーネルヒルベルト空間(RKHS)表現推論を融合する。
その結果は、離散的または連続的なイベントや時間を超えたシステム行動の観察から直接因果構造を推測する、広く適用可能な方法である。
有限または無限状態カーネル $\epsilon$-machine の構造表現は、因果状態とそのトポロジーの効率的な表現を与える還元次元変換によって抽出される。
このように系力学は、因果状態に作用する確率的(正規あるいは部分的な)微分方程式によって表される。
関連する進化演算子を推定するアルゴリズムを提案する。
Fokker-Plank方程式と並行して、因果状態分布を効率的に発展させ、RKHS関数写像を通じて元のデータ空間で予測を行う。
有限状態隠れマルコフモデルによる離散時間離散値無限マルコフ次過程について,予測能力とともにこれらの手法を実証する。
(i)有限または有限
(二 不可算の因果状態及び
(iii)熱駆動カオス流によって発生する連続時間連続値過程。
外部および測定ノイズレベルと非常に高次元のデータとが存在する場合に、因果構造をロバストに推定する。
関連論文リスト
- Convergence Analysis of Discrete Diffusion Model: Exact Implementation
through Uniformization [17.535229185525353]
連続マルコフ連鎖の均一化を利用したアルゴリズムを導入し、ランダムな時間点の遷移を実装した。
我々の結果は、$mathbbRd$における拡散モデルの最先端の成果と一致し、さらに$mathbbRd$設定と比較して離散拡散モデルの利点を浮き彫りにする。
論文 参考訳（メタデータ） (2024-02-12T22:26:52Z) - Causal Modeling with Stationary Diffusions [89.94899196106223]
定常密度が干渉下でのシステムの挙動をモデル化する微分方程式を学習する。
古典的アプローチよりもよく、変数に対する見当たらない介入を一般化することを示します。
提案手法は,再生カーネルヒルベルト空間における拡散発生器の定常状態を表す新しい理論結果に基づく。
論文 参考訳（メタデータ） (2023-10-26T14:01:17Z) - Score-based Diffusion Models in Function Space [140.792362459734]
拡散モデルは、最近、生成モデリングの強力なフレームワークとして登場した。
本稿では,関数空間における拡散モデルをトレーニングするためのDDO(Denoising Diffusion Operators)という,数学的に厳密なフレームワークを提案する。
データ解像度に依存しない固定コストで、対応する離散化アルゴリズムが正確なサンプルを生成することを示す。
論文 参考訳（メタデータ） (2023-02-14T23:50:53Z) - Computationally Efficient PAC RL in POMDPs with Latent Determinism and
Conditional Embeddings [97.12538243736705]
大規模部分観測可能決定プロセス(POMDP)の関数近似を用いた強化学習に関する研究
我々のアルゴリズムは、大規模POMDPに確実にスケールする。
論文 参考訳（メタデータ） (2022-06-24T05:13:35Z) - Decimation technique for open quantum systems: a case study with
driven-dissipative bosonic chains [62.997667081978825]
量子系の外部自由度への不可避結合は、散逸(非単体)ダイナミクスをもたらす。
本稿では,グリーン関数の(散逸的な)格子計算に基づいて,これらのシステムに対処する手法を提案する。
本手法のパワーを,複雑性を増大させる駆動散逸型ボゾン鎖のいくつかの例で説明する。
論文 参考訳（メタデータ） (2022-02-15T19:00:09Z) - Variational Inference for Continuous-Time Switching Dynamical Systems [29.984955043675157]
従属拡散過程を変調したマルコフジャンプ過程に基づくモデルを提案する。
我々は,新しい連続時間変動推定アルゴリズムを開発した。
モデル仮定と実世界の実例に基づいて,我々のアルゴリズムを広範囲に評価する。
論文 参考訳（メタデータ） (2021-09-29T15:19:51Z) - Topology, Convergence, and Reconstruction of Predictive States [0.0]
本研究では,測度の弱いトポロジにおける経験的サンプルから,予測状態の収束が達成可能であることを示す。
これらの表現は、高メモリプロセスの再構築において特に有用であり、カーネル・ヒルベルト空間に接続する。
論文 参考訳（メタデータ） (2021-09-19T19:52:11Z) - Out-of-time-order correlations and the fine structure of eigenstate
thermalisation [58.720142291102135]
量子情報力学と熱化を特徴付けるツールとして、OTOC(Out-of-time-orderor)が確立されている。
我々は、OTOCが、ETH(Eigenstate Thermalisation hypothesis)の詳細な詳細を調査するための、本当に正確なツールであることを明確に示している。
無限温度状態における局所作用素の和からなる可観測物の一般クラスに対して、$omega_textrmGOE$の有限サイズスケーリングを推定する。
論文 参考訳（メタデータ） (2021-03-01T17:51:46Z) - The Connection between Discrete- and Continuous-Time Descriptions of
Gaussian Continuous Processes [60.35125735474386]
我々は、一貫した推定子をもたらす離散化が粗粒化下での不変性を持つことを示す。
この結果は、導関数再構成のための微分スキームと局所時間推論アプローチの組み合わせが、2次または高次微分方程式の時系列解析に役立たない理由を説明する。
論文 参考訳（メタデータ） (2021-01-16T17:11:02Z) - Chaos and Ergodicity in Extended Quantum Systems with Noisy Driving [0.0]
固定方向のランダム場を持つ局所量子回路群における時間発展演算子について検討する。
本稿では, 一般化スペクトル形状因子を動的相関関数で表すシステムについて述べる。
これはまた、多体のThouless time $tau_rm th$ -- 一般化されたスペクトル形成因子がランダム行列理論の予測に続いて始まる時間 -- とシステムの保存法則との間の接続も提供する。
論文 参考訳（メタデータ） (2020-10-23T15:54:55Z)
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。