論文の概要: A Negation Quantum Decision Model to Predict the Interference Effect in Categorization

• arxiv url: http://arxiv.org/abs/2104.09058v1
• Date: Mon, 19 Apr 2021 05:30:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-20 14:01:31.736992
• Title: A Negation Quantum Decision Model to Predict the Interference Effect in Categorization
• Title（参考訳）: カテゴリー化における干渉効果予測のための否定量子決定モデル
• Authors: Qinyuan Wu and Yong Deng
• Abstract要約: 干渉効果は、場合によっては総確率原理を破る分類によって引き起こされる。 本稿では、干渉を予測するために、否定量子モデル(NQモデル)を開発した。
• 参考スコア（独自算出の注目度）: 3.997680012976965
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Categorization is a significant task in decision-making, which is a key part of human behavior. An interference effect is caused by categorization in some cases, which breaks the total probability principle. A negation quantum model (NQ model) is developed in this article to predict the interference. Taking the advantage of negation to bring more information in the distribution from a different perspective, the proposed model is a combination of the negation of a probability distribution and the quantum decision model. Information of the phase contained in quantum probability and the special calculation method to it can easily represented the interference effect. The results of the proposed NQ model is closely to the real experiment data and has less error than the existed models.
• Abstract（参考訳）: 分類は意思決定において重要なタスクであり、それは人間の行動の重要な部分である。 干渉効果は、場合によっては全確率原理を破る分類によって引き起こされる。 本稿では、干渉を予測するために、否定量子モデル(NQモデル)を開発した。 異なる視点から分布により多くの情報をもたらすために否定の利点を生かして、提案モデルは確率分布の否定と量子決定モデルの組み合わせである。 量子確率に含まれる位相の情報とそれに対する特別な計算方法は干渉効果を容易に表現できる。 提案したNQモデルの結果は実実験データに近いものであり,既存のモデルよりも誤差が少ない。

関連論文リスト

• Generative Intervention Models for Causal Perturbation Modeling [80.72074987374141]
  多くの応用において、システムのメカニズムが外部の摂動によって変更されるかは未定である。 本稿では、これらの摂動特徴を原子間干渉による分布にマッピングする方法を学習する生成的介入モデル(GIM)を提案する。
  論文  参考訳（メタデータ） (2024-11-21T10:37:57Z)
• Estimating Causal Effects from Learned Causal Networks [56.14597641617531]
  本稿では、離散可観測変数に対する因果影響クエリに応答する代替パラダイムを提案する。 観測データから直接因果ベイズネットワークとその共起潜伏変数を学習する。 本手法は, 推定手法よりも有効であることを示す。
  論文  参考訳（メタデータ） (2024-08-26T08:39:09Z)
• What is \textit{Quantum} in Probabilistic Explanations of the Sure Thing Principle Violation? [0.0]
  囚人のジレンマゲーム(PDG)は、人間の意思決定過程の確率論的性質の単純なテストベッドの1つである。 量子確率モデルは、この違反を二階干渉効果として説明できる。 意思決定プロセスにおける他の量子情報理論量(量子絡み合いなど)の役割について論じる。
  論文  参考訳（メタデータ） (2023-06-21T00:01:01Z)
• Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
  ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。 提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。 複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
  論文  参考訳（メタデータ） (2023-06-09T08:30:51Z)
• Quantum Trajectory Approach to Error Mitigation [0.0]
  量子エラー緩和(Quantum Error Mitigation、EM)は、ノイズの多い量子デバイスにおけるエラーを減らすための戦略の集合である。 従来のポストプロセッシングにより,ノイズマップの逆変換を実現することができることを示す。 我々は、現在のNISQデバイスに関係のあるモデルで結果を実証する。
  論文  参考訳（メタデータ） (2023-05-31T14:10:35Z)
• Trainability barriers and opportunities in quantum generative modeling [0.0]
  量子生成モデルのトレーニング可能性に対する障壁について検討する。 明示的な損失を伴う暗黙的な生成モデルを使用することで,バレン高原の新たな風味がもたらされることを示す。 本稿では,量子回路を活用することで,忠実かつトレーニング可能性の保証を享受できる新しい局所量子忠実度型損失を提案する。
  論文  参考訳（メタデータ） (2023-05-04T14:45:02Z)
• Linking a predictive model to causal effect estimation [21.869233469885856]
  本稿では、まず、ある事例における結果に対する特徴(治療としての)の因果効果を推定する挑戦に取り組む。 理論的結果は、予測モデルを因果効果推定に自然に関連付け、予測モデルが因果的解釈可能であることを示唆する。 本稿では, 種々の予測モデルを用いて, 条件を満たす場合, 特徴の因果効果を, 最先端の因果効果推定法と同じくらい正確に推定できることを実証する。
  論文  参考訳（メタデータ） (2023-04-10T13:08:16Z)
• Variance Minimization in the Wasserstein Space for Invariant Causal Prediction [72.13445677280792]
  そこで本研究では,ICPで行ったアプローチを,予測器数で線形にスケールする一連の非パラメトリックテストとして再検討する。 これらのテストはそれぞれ、最適輸送理論の道具から導かれる新しい損失関数の最小化に依存している。 我々は,本手法が同定可能な直接原因の集合を回復できるという軽微な仮定の下で証明し,他のベンチマーク因果探索アルゴリズムと競合することを示す。
  論文  参考訳（メタデータ） (2021-10-13T22:30:47Z)
• Estimation of Bivariate Structural Causal Models by Variational Gaussian Process Regression Under Likelihoods Parametrised by Normalising Flows [74.85071867225533]
  因果機構は構造因果モデルによって記述できる。 最先端の人工知能の大きな欠点の1つは、説明責任の欠如である。
  論文  参考訳（メタデータ） (2021-09-06T14:52:58Z)
• More Causes Less Effect: Destructive Interference in Decision Making [0.0]
  本研究は,製品故障の条件付き確率の顧客推定における破壊的干渉を示す新しい実験である。 組み合わせると、この2つの原因が反対の効果をもたらすことが示される。 このような2つ以上の理由の負の干渉は、顧客の心の中で起こっている認知プロセスのモデリングを改善するために利用されるかもしれない。
  論文  参考訳（メタデータ） (2021-06-20T13:34:19Z)
• BayesIMP: Uncertainty Quantification for Causal Data Fusion [52.184885680729224]
  本研究では,複数の因果グラフに関連するデータセットを組み合わせ,対象変数の平均処理効果を推定する因果データ融合問題について検討する。 本稿では、確率積分とカーネル平均埋め込みのアイデアを組み合わせて、再生されたカーネルヒルベルト空間における干渉分布を表現するフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-07T10:14:18Z)

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。