Fugu-MT 論文翻訳(概要): Fluctuation Theorems with Retrodiction rather than Reverse Processes

論文の概要: Fluctuation Theorems with Retrodiction rather than Reverse Processes

arxiv url: http://arxiv.org/abs/2106.08589v3
Date: Mon, 6 Sep 2021 15:13:11 GMT
ステータス: 処理完了
システム内更新日: 2023-03-26 13:25:26.607834
Title: Fluctuation Theorems with Retrodiction rather than Reverse Processes
Title（参考訳）: 逆過程よりも逆過程によるゆらぎ理論
Authors: Clive Cenxin Aw, Francesco Buscemi, Valerio Scarani
Abstract要約: 可逆性は通常、起こるプロセスと対応する「逆過程」の比較によって捉えられる。ここでは, 何十年も前に渡辺が提唱した, 揺らぎ関係を再考し, 比較には, 2つのプロセスではなく, ユニークなプロセスの予測と回帰が関与すべきであることを示した。
参考スコア（独自算出の注目度）: 1.933681537640272
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Irreversibility is usually captured by a comparison between the process that happens and a corresponding "reverse process". In the last decades, this comparison has been extensively studied through fluctuation relations. Here we revisit fluctuation relations from the standpoint, suggested decades ago by Watanabe, that the comparison should involve the prediction and the retrodiction on the unique process, rather than two processes. We identify a necessary and sufficient condition for a retrodictive reading of a fluctuation relation. The retrodictive narrative also brings to the fore the possibility of deriving fluctuation relations based on various statistical divergences, and clarifies some of the traditional assumptions as arising from the choice of a reference prior.
Abstract（参考訳）: 可逆性は通常、発生するプロセスと対応する「逆過程」の比較によって捉えられる。過去数十年間、この比較は変動関係を通じて広範囲に研究されてきた。ここでは,何十年も前に渡辺が提唱したゆらぎ関係の再検討を行い,二つのプロセスではなく,一意的なプロセスにおける予測と再帰性について考察する。ゆらぎ関係の回帰的読み出しに必要な必要十分条件を同定する。予測的物語はまた、様々な統計的発散に基づいて変動関係を導出する可能性をもたらし、参照前の選択から生じる伝統的な仮定のいくつかを明確にする。

関連論文リスト

Nonparametric Partial Disentanglement via Mechanism Sparsity: Sparse Actions, Interventions and Sparse Temporal Dependencies [58.179981892921056]
この研究は、メカニズムのスパーシティ正則化(英語版)と呼ばれる、アンタングルメントの新たな原理を導入する。本稿では,潜在要因を同時に学習することで,絡み合いを誘発する表現学習手法を提案する。学習した因果グラフをスパースに規則化することにより、潜伏因子を復元できることを示す。
論文参考訳（メタデータ） (2024-01-10T02:38:21Z)
Selective Nonparametric Regression via Testing [54.20569354303575]
本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
論文参考訳（メタデータ） (2023-09-28T13:04:11Z)
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)
Event Temporal Relation Extraction with Bayesian Translational Model [32.78633780463432]
本稿では,時間的関係表現を潜在変数としてモデル化する学習ベース手法であるBayesian-Transを紹介する。従来のニューラルアプローチと比較して,提案手法はパラメータの後方分布を直接推定する。
論文参考訳（メタデータ） (2023-02-10T00:11:19Z)
Counterfactuals for the Future [8.362712249928071]
本稿では,前向きな対人行為を動機づける治療選択問題である「対人的治療選択」を導入する。治療選択に対する介入的アプローチと前方的アプローチのミスマッチが、いかに直感的な結果をもたらすかを検討する。
論文参考訳（メタデータ） (2022-12-07T22:19:15Z)
Neighborhood Adaptive Estimators for Causal Inference under Network Interference [152.4519491244279]
我々は,古典的非干渉仮説の違反を考える。つまり,ある個人に対する治療が他者の結果に影響を及ぼす可能性がある。干渉をトラクタブルにするために、干渉がどのように進行するかを記述する既知のネットワークを考える。このような環境下での処理に対する平均的直接的処理効果の予測について検討した。
論文参考訳（メタデータ） (2022-12-07T14:53:47Z)
When regression coefficients change over time: A proposal [0.0]
根底にある仮定は、過去に観測されたのと同じ相関が今後も続くというものである。この仮定が満たされていない状況に対するモデルを提案し、状態空間の文献から手法を取り入れ、回帰係数が時間とともにどのように変化するかをモデル化する。われわれのアプローチは、未来を予測することに関連する大きな不確実性や、それがどれだけ過去の力学の変化によるものかに光を当てることができる。
論文参考訳（メタデータ） (2022-03-19T11:36:20Z)
Latent Causal Invariant Model [128.7508609492542]
現在の教師付き学習は、データ適合プロセス中に急激な相関を学習することができる。因果予測を求める潜在因果不変モデル(LaCIM)を提案する。
論文参考訳（メタデータ） (2020-11-04T10:00:27Z)
Fluctuation theorems from Bayesian retrodiction [2.28438857884398]
逆チャネルは古典理論と量子理論の両方においてベイズ回帰から非常に自然に生じることを示す。より一般的には、一貫した論理的推論に基づいて逆過程を構築することにより、ゆらぎ関係はより広い形式と範囲を得る。
論文参考訳（メタデータ） (2020-09-07T01:42:05Z)
Autoregressive flow-based causal discovery and inference [4.83420384410068]
自己回帰フローモデルは、様々な因果推論タスクを実行するのに適している。自己回帰型アーキテクチャは、因果順序に類似した変数の順序を定義しているという事実を活用する。本稿では, 自己回帰的流れを正しい因果順序で訓練することにより, 正確な介入予測と反事実予測を行うことができる, 合成データの例を示す。
論文参考訳（メタデータ） (2020-07-18T10:02:59Z)
Composing Normalizing Flows for Inverse Problems [89.06155049265641]
本稿では,2つの流れモデルの合成として,対象条件を推定する近似推論フレームワークを提案する。本手法は,様々な逆問題に対して評価し,不確実性のある高品質な試料を作製することを示した。
論文参考訳（メタデータ） (2020-02-26T19:01:11Z)

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。