論文の概要: Branching Time Active Inference: the theory and its generality

• arxiv url: http://arxiv.org/abs/2111.11107v1
• Date: Mon, 22 Nov 2021 10:56:03 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-23 22:17:58.645111
• Title: Branching Time Active Inference: the theory and its generality
• Title（参考訳）: 分岐時間アクティブ推論-理論とその一般化
• Authors: Th\'eophile Champion, Lancelot Da Costa, Howard Bowman, Marek Grze\'s
• Abstract要約: 本稿では,構造学習問題として,木探索と能動推論を統合することを目的とした代替フレームワークを提案する。 第1は期待される自由エネルギーを前方に伝播し、第2は後方に伝搬する。 そして, 前向きと後向きの伝搬がそれぞれ, 活発な推論と洗練された推論に関係していることを示し, これら2つの計画戦略の違いを明らかにする。
• 参考スコア（独自算出の注目度）: 3.1542695050861544
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Over the last 10 to 15 years, active inference has helped to explain various brain mechanisms from habit formation to dopaminergic discharge and even modelling curiosity. However, the current implementations suffer from an exponential (space and time) complexity class when computing the prior over all the possible policies up to the time-horizon. Fountas et al (2020) used Monte Carlo tree search to address this problem, leading to impressive results in two different tasks. In this paper, we present an alternative framework that aims to unify tree search and active inference by casting planning as a structure learning problem. Two tree search algorithms are then presented. The first propagates the expected free energy forward in time (i.e., towards the leaves), while the second propagates it backward (i.e., towards the root). Then, we demonstrate that forward and backward propagations are related to active inference and sophisticated inference, respectively, thereby clarifying the differences between those two planning strategies.
• Abstract（参考訳）: 過去10年から15年の間に、活動的推論は習慣形成からドーパミン作動性放電、さらには好奇心のモデル化まで、様々な脳機構を説明するのに役立っている。 しかしながら、現在の実装は、時間水平まで可能なすべてのポリシーを計算する際に、指数関数的な(空間と時間)複雑性クラスに悩まされている。 fountas et al (2020) はこの問題を解決するためにモンテカルロ木探索を使い、2つの異なるタスクで印象的な結果をもたらした。 本稿では,木探索と能動的推論を,構造学習問題としてキャスティング計画を用いて統一する代替フレームワークを提案する。 次に2つの木探索アルゴリズムを示す。 第一は、予想される自由エネルギーを前へ(すなわち葉に向かって)伝播し、第二は後方へ(すなわち根に向かって)伝搬する。 そこで本研究では,前方伝播と後方伝播がそれぞれ能動推論と高度推論に関連していることを示し,これら2つの計画戦略の違いを明らかにする。

関連論文リスト

• LiteSearch: Efficacious Tree Search for LLM [70.29796112457662]
  本研究では,動的ノード選択とノードレベルの探索予算を備えた新しいガイド付き木探索アルゴリズムを提案する。 GSM8KおよびTabMWPデータセットを用いて行った実験により,本手法はベースライン法に比べて計算コストが大幅に低いことを示した。
  論文  参考訳（メタデータ） (2024-06-29T05:14:04Z)
• Why do Random Forests Work? Understanding Tree Ensembles as Self-Regularizing Adaptive Smoothers [68.76846801719095]
  統計学で広く普及している偏りと分散還元に対する現在の高次二分法は、木のアンサンブルを理解するには不十分である、と我々は主張する。 森林は、通常暗黙的に絡み合っている3つの異なるメカニズムによって、樹木を改良できることを示す。
  論文  参考訳（メタデータ） (2024-02-02T15:36:43Z)
• Probabilistic Tree-of-thought Reasoning for Answering Knowledge-intensive Complex Questions [93.40614719648386]
  大規模言語モデル(LLM)は、知識集約的な複雑な質問にチェーン・オブ・シント(CoT)推論で答えることができる。 最近の研究は、CoT推論を強化するための外部知識の回収に向けられている。 確率的ツリー・オブ・シント推論(ProbTree)という新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-11-23T12:52:37Z)
• Planning to Learn: A Novel Algorithm for Active Learning during Model-Based Planning [6.3318086812818475]
  我々は、計画中のアクティブラーニングをより完全に組み込んだSI(高度学習(SL))の拡張を提案する。 SLは、各方針の下で期待される将来の観測の下でモデルパラメータがどのように変化するかという信念を維持している。 これらの目的を達成するために,SLが独特なソリューションを提供する問題構造を強調するために,生物にインスパイアされた新しい環境を利用する。
  論文  参考訳（メタデータ） (2023-08-15T20:39:23Z)
• Duality Principle and Biologically Plausible Learning: Connecting the Representer Theorem and Hebbian Learning [15.094554860151103]
  我々はRepresenter定理が生物学的に妥当な学習アルゴリズムを研究するのに最適なレンズであると主張している。 私たちの研究は、ニューラルネットワークの理解を深める上で、Representer定理の重要な役割に光を当てています。
  論文  参考訳（メタデータ） (2023-08-02T20:21:18Z)
• RetroGraph: Retrosynthetic Planning with Graph Search [101.92603715499112]
  再合成計画(Retrosynthetic Planning)は、標的分子を合成する反応経路を見つけることを目的としている。 本稿では,任意の中間分子の冗長な探索を排除したグラフベースの探索ポリシーを提案する。 提案手法は,グラフ内のターゲットの集合を探索し,木構造に基づく探索手法におけるターゲット間重複を除去する。
  論文  参考訳（メタデータ） (2022-06-23T05:01:29Z)
• Social Interpretable Tree for Pedestrian Trajectory Prediction [75.81745697967608]
  本稿では,このマルチモーダル予測課題に対処するため,SIT(Social Interpretable Tree)と呼ばれる木に基づく手法を提案する。 木の根から葉までの経路は、個々の将来の軌跡を表す。 ETH-UCYとStanford Droneのデータセットによる実験結果からは,手作り木にもかかわらず,我々の手法が最先端の手法の性能に適合または超えることを示した。
  論文  参考訳（メタデータ） (2022-05-26T12:18:44Z)
• Hybrid Predictive Coding: Inferring, Fast and Slow [62.997667081978825]
  本稿では,反復型と償却型の両方を原則的に組み合わせたハイブリッド予測符号化ネットワークを提案する。 我々は,本モデルが本質的に不確実性に敏感であり,最小計算費用を用いて正確な信念を得るためにバランスを適応的にバランスさせることを実証した。
  論文  参考訳（メタデータ） (2022-04-05T12:52:45Z)
• Branching Time Active Inference: empirical study and complexity class analysis [3.5450828190071655]
  迷路解決剤の文脈における分枝時間能動推論手法(BTAI)について実験的に検討した。 事前の嗜好の改善とより深い検索が、この脆弱性を局所的なミニマに緩和する助けとなることを示す。
  論文  参考訳（メタデータ） (2021-11-22T15:30:35Z)
• Realising Active Inference in Variational Message Passing: the Outcome-blind Certainty Seeker [3.5450828190071655]
  本稿では、離散時間および状態空間におけるアクティブ推論フレームワークの完全な数学的処理について述べる。 アクティブ推論と変動メッセージパッシングの理論的関係を活用します。 完全因子化変分分布を用いることで, 期待自由エネルギーの簡易化が図れる。
  論文  参考訳（メタデータ） (2021-04-23T19:40:55Z)
• The Second Type of Uncertainty in Monte Carlo Tree Search [2.564530030795554]
  モンテカルロ木探索(MCTS)は、数えきれない不確実性に基づいて、木探索における探索と利用の効率よくバランスをとる。 まず、この2番目の不確実性型が欠如しているため、MCTSはよく知られたスパース探索問題で完全に失敗する可能性があることを示す。 次に、アクションの下のサブツリーのサイズを推定する新しいアルゴリズムを導入し、UCB式におけるこれらの情報を活用して、より直接探索する。
  論文  参考訳（メタデータ） (2020-05-19T09:10:51Z)

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。