論文の概要: Contents, Contexts, and Basics of Contextuality
- arxiv url: http://arxiv.org/abs/2103.07954v2
- Date: Wed, 12 Jan 2022 00:46:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-08 04:27:42.405677
- Title: Contents, Contexts, and Basics of Contextuality
- Title(参考訳): 文脈性の内容、文脈、および基礎
- Authors: Ehtibar N. Dzhafarov
- Abstract要約: これは文脈論への非技術的導入である。
これはCbD(Contextuality-by-Default)と呼ばれる文脈性の理論の基礎を提示する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This is a non-technical introduction into theory of contextuality. More
precisely, it presents the basics of a theory of contextuality called
Contextuality-by-Default (CbD). One of the main tenets of CbD is that the
identity of a random variable is determined not only by its content (that which
is measured or responded to) but also by contexts, systematically recorded
conditions under which the variable is observed; and the variables in different
contexts possess no joint distributions. I explain why this principle has no
paradoxical consequences, and why it does not support the holistic "everything
depends on everything else" view. Contextuality is defined as the difference
between two differences: (1) the difference between content-sharing random
variables when taken in isolation, and (2) the difference between the same
random variables when taken within their contexts. Contextuality thus defined
is a special form of context-dependence rather than a synonym for the latter.
The theory applies to any empirical situation describable in terms of random
variables. Deterministic situations are trivially noncontextual in CbD, but
some of them can be described by systems of epistemic random variables, in
which random variability is replaced with epistemic uncertainty.
Mathematically, such systems are treated as if they were ordinary systems of
random variables.
- Abstract(参考訳): これは文脈理論への非技術的導入である。
より正確には、cbd(contextity-by-default)と呼ばれる文脈性理論の基礎を示す。
cbdの主な特徴の1つは、確率変数の同一性は、その内容(測定または応答されるもの)だけでなく、その変数が観測される体系的に記録された条件によって決定され、異なる文脈における変数はジョイント分布を持たないことである。
私は、なぜこの原則がパラドックス的な結果を持たないのか、なぜそれが全体論的な「全ては他の全てに依存している」見解をサポートしないのかを説明します。
文脈性は,(1)コンテンツ共有確率変数の分離時の差,(2)コンテキスト内での同一の確率変数の差,の2つの相違として定義される。
このように定義された文脈性は、後者の同義語ではなく、文脈依存の特別な形式である。
この理論は、確率変数の観点で記述可能なあらゆる経験的状況に適用できる。
決定論的状況はcbdでは自明に非文脈的であるが、それらのいくつかは認識確率変数の系によって記述できる。
数学的には、そのようなシステムは確率変数の通常のシステムであるかのように扱われる。
関連論文リスト
- Detecting and Identifying Selection Structure in Sequential Data [53.24493902162797]
我々は,音楽のシーケンスなどの実践的な状況において,潜在目的に基づくデータポイントの選択的包摂が一般的である,と論じる。
選択構造はパラメトリックな仮定や介入実験なしで識別可能であることを示す。
また、他の種類の依存関係と同様に、選択構造を検知し、識別するための証明可能な正当性アルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-06-29T20:56:34Z) - Hidden variables, free choice, context-independence, and all that [0.0]
本稿では,相互排他的文脈を持つ確率変数のシステムを記述するために,隠れ変数モデル (HVM) を体系的に記述する。
等価性と非偽性は、選択の自由と文脈に依存しない写像が全く仮定ではないことを意味する。
しかしながら、これらの2つの概念の結合は、乱れのないシステムや任意のシステムの構成に適用されるときの非文脈性を記述するファルシブルなHVMを定義する。
論文 参考訳(メタデータ) (2023-05-25T15:06:54Z) - Contextuality and Informational Redundancy [0.0]
確率変数の非文脈的システムは、新しい変数の集合が加わったとしても、その各変数が古い変数の同じ文脈的関数によって得られるとしても、文脈的になることがある。
この事実は文脈性の定義から従い、その実演は矛盾する連結系に対しては自明である。
論文 参考訳(メタデータ) (2022-11-06T16:06:38Z) - Class Is Invariant to Context and Vice Versa: On Learning Invariance for
Out-Of-Distribution Generalization [80.22736530704191]
我々は、先行研究において広く採用されている前提である文脈バイアスを直接注釈付けしたり、偏見付きクラス予測から推定することができると論じる。
対照的に、上述の原則の見過ごされた他の側面を指摘する:コンテキストもクラスに不変である。
我々は、クラス内サンプル類似性の対照的な損失を最小限に抑えながら、この類似性がすべてのクラスで不変であることを保証し、この考え方を実装した。
論文 参考訳(メタデータ) (2022-08-06T08:09:54Z) - Quantum Mechanics as a Theory of Incompatible Symmetries [77.34726150561087]
古典確率論が非互換変数を持つ任意の系を含むように拡張可能であることを示す。
非互換な変数を持つ確率的システム(古典的あるいは量子的)が不確実性だけでなく、その確率パターンにも干渉することを示す。
論文 参考訳(メタデータ) (2022-05-31T16:04:59Z) - Invariance Principle Meets Information Bottleneck for
Out-of-Distribution Generalization [77.24152933825238]
線形分類タスクには分布シフトの強い制限が必要であり、そうでなければ OOD の一般化は不可能であることを示す。
不変な特徴がラベルに関するすべての情報をキャプチャし、そうでなければ既存の成功を保っている場合、情報ボトルネックの形式が重要な障害に対処するのに役立つことを証明します。
論文 参考訳(メタデータ) (2021-06-11T20:42:27Z) - Contextuality and dichotomizations of random variables [0.0]
二コトミゼーションを選択する際の主要な考え方は、確率変数の可能な値の集合が前位相 (V-空間) で与えられるならば、許容される二コトミゼーションは可能な値の空間を2つの連結部分集合に分割するということである。
我々は、最も頻繁に遭遇する2種類の確率変数(カテゴリー変数と実数値変数)に焦点をあてる。
論文 参考訳(メタデータ) (2021-05-08T15:26:55Z) - Contextuality and Random Variables [0.0]
システム内のランダム変数の同一性は、同じ文脈における他のすべてのランダム変数との結合分布によって決定される。
コンテキストが変化すると、ある特性を測定する変数はすぐに同じ特性を測定する別のランダム変数に置き換えられる。
論文 参考訳(メタデータ) (2021-04-26T11:47:54Z) - COSMO: Conditional SEQ2SEQ-based Mixture Model for Zero-Shot Commonsense
Question Answering [50.65816570279115]
社会的文脈の暗黙的な原因と影響の特定は、機械が常識的推論を実行できるようにする駆動能力である。
この領域における現在のアプローチには、目に見えない状況に直面して常識推論を行う能力がない。
本稿では,動的かつ多様なコンテンツ生成機能を備えた条件付きSEQ2SEQベースの混合モデル(COSMO)を提案する。
論文 参考訳(メタデータ) (2020-11-02T07:08:19Z) - Contextuality scenarios arising from networks of stochastic processes [68.8204255655161]
経験的モデルは、その分布が X 上の合同分布を極小化することができなければ文脈的と言える。
我々は、多くのプロセス間の相互作用という、文脈的経験的モデルの異なる古典的な源泉を示す。
長期にわたるネットワークの統計的挙動は、経験的モデルを一般的な文脈的かつ強い文脈的にする。
論文 参考訳(メタデータ) (2020-06-22T16:57:52Z) - Epistemic Odds of Contextuality in Cyclic Systems [0.0]
システムのサイズが大きくなるにつれて、文脈性の確率は急速にゼロになる傾向があることを示す。
結果は、コンテキスト・バイ・デフォーの理論に基づいている。
論文 参考訳(メタデータ) (2020-02-18T17:43:22Z)
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。