論文の概要: Inverse Optimal Control Adapted to the Noise Characteristics of the
Human Sensorimotor System
- arxiv url: http://arxiv.org/abs/2110.11130v1
- Date: Thu, 21 Oct 2021 13:30:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-22 16:16:28.339141
- Title: Inverse Optimal Control Adapted to the Noise Characteristics of the
Human Sensorimotor System
- Title（参考訳）: ヒト感覚運動子のノイズ特性に適応した逆最適制御
- Authors: Matthias Schultheis, Dominik Straub, Constantin A. Rothkopf
- Abstract要約: 観測行動からコスト関数を推定できる信号依存雑音を用いた逆最適制御を導入する。
我々は、状態と信念状態の進化の確率論的定式化を導出する。
実験者の視点から、状態変数の部分観測可能性にモデルを拡張する。
- 参考スコア（独自算出の注目度）: 5.629161809575013
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Computational level explanations based on optimal feedback control with
signal-dependent noise have been able to account for a vast array of phenomena
in human sensorimotor behavior. However, commonly a cost function needs to be
assumed for a task and the optimality of human behavior is evaluated by
comparing observed and predicted trajectories. Here, we introduce inverse
optimal control with signal-dependent noise, which allows inferring the cost
function from observed behavior. To do so, we formalize the problem as a
partially observable Markov decision process and distinguish between the
agent's and the experimenter's inference problems. Specifically, we derive a
probabilistic formulation of the evolution of states and belief states and an
approximation to the propagation equation in the linear-quadratic Gaussian
problem with signal-dependent noise. We extend the model to the case of partial
observability of state variables from the point of view of the experimenter. We
show the feasibility of the approach through validation on synthetic data and
application to experimental data. Our approach enables recovering the costs and
benefits implicit in human sequential sensorimotor behavior, thereby
reconciling normative and descriptive approaches in a computational framework.
- Abstract（参考訳）: 信号依存ノイズを用いた最適フィードバック制御に基づく計算レベルの説明は、人間の感覚運動行動における膨大な現象を説明できる。
しかし、一般的にはコスト関数をタスクとして仮定し、観察および予測された軌道を比較することにより、人間の行動の最適性を評価する必要がある。
本稿では,観測行動からコスト関数を推定できる信号依存雑音を用いた逆最適制御を提案する。
そこで我々は,この問題を部分的に観測可能なマルコフ決定プロセスとして定式化し,エージェントと実験者の推論問題を区別する。
具体的には、状態と信念状態の進化の確率論的定式化と、信号依存雑音を伴う線形四次ガウス問題における伝播方程式の近似を求める。
我々は,実験者の視点から,状態変数の部分可観測性にモデルを拡張した。
合成データの検証と実験データへの適用を通して,本手法の有効性を示す。
本手法は,人間の逐次的感覚運動行動におけるコストと利益の回復を可能にし,計算フレームワークにおける規範的および記述的アプローチの調和を図る。
関連論文リスト
- Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。
このような問題は医学、物理学、機械学習で発生する。
両種類の雑音下で提案アルゴリズムの収束保証を行う。
論文 参考訳（メタデータ） (2024-11-21T10:26:17Z) - Inverse decision-making using neural amortized Bayesian actors [19.128377007314317]
我々は、教師なしの方法で幅広いパラメータ設定で訓練されたニューラルネットワークを用いてベイズアクターを記憶する。
推定された後続分布は,その存在する解析解を用いて得られた分布と密接に一致していることを示す。
そして、より複雑なコスト関数において、先行とコストの間の識別可能性の問題が発生することを示した。
論文 参考訳（メタデータ） (2024-09-04T10:31:35Z) - Efficient Prior Calibration From Indirect Data [5.588334720483076]
本稿では,データから先行モデルを学習すること,特にノイズ観測プロセスを通じて得られた間接データの多元的実現から先行モデルを学習することに関心がある。
フォワードモデルの効率的な残差ベースニューラル演算子近似を提案し,これをプッシュフォワードマップと同時学習できることを示した。
論文 参考訳（メタデータ） (2024-05-28T08:34:41Z) - Learning Unnormalized Statistical Models via Compositional Optimization [73.30514599338407]
実データと人工雑音のロジスティックな損失として目的を定式化することにより, ノイズコントラスト推定(NCE)を提案する。
本稿では,非正規化モデルの負の対数類似度を最適化するための直接的アプローチについて検討する。
論文 参考訳（メタデータ） (2023-06-13T01:18:16Z) - Probabilistic inverse optimal control for non-linear partially
observable systems disentangles perceptual uncertainty and behavioral costs [33.690374799743076]
本研究では,観測不能な動作信号を持つ非線形系の逆最適制御に対する確率論的アプローチを提案する。
我々は,神経科学と実践的行動が不確実性の下でのシーケンシャルな意思決定に絡み合っているにもかかわらず,知覚的要因や行動的コストを解消できることを示す。
論文 参考訳（メタデータ） (2023-03-29T13:51:06Z) - Robust Fitted-Q-Evaluation and Iteration under Sequentially Exogenous
Unobserved Confounders [16.193776814471768]
連続的に外生的でない共同設立者が存在する場合、ロバストな政策評価と政策最適化について検討する。
本研究は,敗血症治療のシミュレーションと実世界の縦断医療データの両方において,複雑性境界,洞察,有効性を示す。
論文 参考訳（メタデータ） (2023-02-01T18:40:53Z) - Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。
本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
論文 参考訳（メタデータ） (2022-08-29T16:16:22Z) - Partial Identification with Noisy Covariates: A Robust Optimization
Approach [94.10051154390237]
観測データセットからの因果推論は、しばしば共変量の測定と調整に依存する。
このロバストな最適化手法により、広範囲な因果調整法を拡張し、部分的同定を行うことができることを示す。
合成および実データセット全体で、このアプローチは既存の手法よりも高いカバレッジ確率でATEバウンダリを提供する。
論文 参考訳（メタデータ） (2022-02-22T04:24:26Z) - Efficient Causal Inference from Combined Observational and
Interventional Data through Causal Reductions [68.6505592770171]
因果効果を推定する際の主な課題の1つである。
そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。
パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-03-08T14:29:07Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳（メタデータ） (2021-02-12T12:23:13Z) - Generalized Multi-Output Gaussian Process Censored Regression [7.111443975103331]
本稿では、GPの非パラメトリックな柔軟性と、入力依存ノイズ条件下での相関出力からの情報を活用する能力を組み合わせたヘテロスセダスティック多出力ガウスプロセスモデルを提案する。
結果として、柔軟性を追加することで、潜在的に複雑な検閲ダイナミクスの下で、モデルが基盤となる非検閲プロセス(すなわち、真)をより正確に見積もることができるかが示される。
論文 参考訳（メタデータ） (2020-09-10T12:46:29Z)
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。