論文の概要: Rule-based Evolutionary Bayesian Learning

• arxiv url: http://arxiv.org/abs/2202.13778v1
• Date: Mon, 28 Feb 2022 13:24:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-01 23:07:31.084636
• Title: Rule-based Evolutionary Bayesian Learning
• Title（参考訳）: 規則に基づく進化ベイズ学習
• Authors: Themistoklis Botsas, Lachlan R. Mason, Omar K. Matar, Indranil Pan
• Abstract要約: 規則に基づくベイズ回帰法を文法的進化とともに拡張する。 私たちのモチベーションは、文法的な進化は、専門家の知識と同等の貴重な情報を持つデータからパターンを検出できるということです。 本稿では,ルールに基づくベイズ進化学習技術を用いて,実データと合成データに適用し,点予測と関連する不確実性の観点から結果を検証した。
• 参考スコア（独自算出の注目度）: 0.802904964931021
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In our previous work, we introduced the rule-based Bayesian Regression, a methodology that leverages two concepts: (i) Bayesian inference, for the general framework and uncertainty quantification and (ii) rule-based systems for the incorporation of expert knowledge and intuition. The resulting method creates a penalty equivalent to a common Bayesian prior, but it also includes information that typically would not be available within a standard Bayesian context. In this work, we extend the aforementioned methodology with grammatical evolution, a symbolic genetic programming technique that we utilise for automating the rules' derivation. Our motivation is that grammatical evolution can potentially detect patterns from the data with valuable information, equivalent to that of expert knowledge. We illustrate the use of the rule-based Evolutionary Bayesian learning technique by applying it to synthetic as well as real data, and examine the results in terms of point predictions and associated uncertainty.
• Abstract（参考訳）: これまでの研究で、ルールベースのベイズ回帰(Bayesian Regression)を導入しました。 (i)一般枠組みと不確実性定量化のためのベイズ推論 (ii)専門知識と直感の体系化のための規則に基づくシステム。 結果として得られる方法は、一般的なベイズ前置値と同等のペナルティを生成するが、標準的なベイズ文脈では利用できない情報も含んでいる。 本研究では, 上記の手法を, 規則の導出の自動化に活用する記号型遺伝的プログラミング手法である文法進化により拡張する。 私たちのモチベーションは、文法的な進化は、専門家の知識と同等の貴重な情報を持つデータからパターンを検出できるということです。 本稿では,実データだけでなく合成データにも適用することで,規則に基づく進化ベイズ学習手法の利用を説明し,ポイント予測と関連する不確実性の観点から結果を検討する。

関連論文リスト

• Deep Learning: A Tutorial [0.8158530638728498]
  構造化された高次元データに対する洞察を提供する深層学習手法のレビューを行う。 ディープラーニングは、予測ルールを提供するために、セミファイン入力変換のレイヤを使用する。 これらの変換層を適用すると、確率論的統計手法が適用可能な属性(または特徴)の集合が生成される。
  論文  参考訳（メタデータ） (2023-10-10T01:55:22Z)
• Causal Discovery with Language Models as Imperfect Experts [119.22928856942292]
  専門知識を用いて因果グラフの同定を改善する方法について検討する。 整合性に基づく専門家の知識を改良するための戦略を提案する。 本稿では,不完全な専門家として大規模言語モデルを用いる実データを用いたケーススタディについて報告する。
  論文  参考訳（メタデータ） (2023-07-05T16:01:38Z)
• Neural-based classification rule learning for sequential data [0.0]
  本稿では,ルールに基づく二項分類のための局所パターンとグローバルパターンの両方を識別する,新しい可微分完全解釈法を提案する。 解釈可能なニューラルネットワークを備えた畳み込みバイナリニューラルネットワークと、動的に強化された間隔に基づくトレーニング戦略で構成されている。 合成データセットおよびオープンソースペプチドデータセットに対するアプローチの有効性と有用性を示す。
  論文  参考訳（メタデータ） (2023-02-22T11:05:05Z)
• Toward Learning Robust and Invariant Representations with Alignment Regularization and Data Augmentation [76.85274970052762]
  本論文はアライメント正則化の選択肢の増大を動機としている。 我々は、ロバスト性および不変性の次元に沿って、いくつかの人気のある設計選択のパフォーマンスを評価する。 我々はまた、現実的と考える仮定の下で経験的な研究を補完するために、アライメント正則化の挙動を正式に分析する。
  論文  参考訳（メタデータ） (2022-06-04T04:29:19Z)
• Principled Knowledge Extrapolation with GANs [92.62635018136476]
  我々は,知識外挿の新たな視点から,対実合成を研究する。 本稿では, 知識外挿問題に対処するために, クローズド形式判別器を用いた対角ゲームが利用可能であることを示す。 提案手法は,多くのシナリオにおいて,エレガントな理論的保証と優れた性能の両方を享受する。
  論文  参考訳（メタデータ） (2022-05-21T08:39:42Z)
• Does Pre-training Induce Systematic Inference? How Masked Language Models Acquire Commonsense Knowledge [91.15301779076187]
  プレトレーニング中のBERTモデルのミニバッチに言語知識を導入し、モデルがサポート対象の推論にどの程度うまく一般化するかを評価する。 一般化は事前学習の過程では改善せず, 帰納的, 体系的推論ではなく, 表面的, 共起的パターンからコモンセンス知識が獲得されることが示唆された。
  論文  参考訳（メタデータ） (2021-12-16T03:13:04Z)
• Information Theoretic Meta Learning with Gaussian Processes [74.54485310507336]
  情報理論の概念,すなわち相互情報と情報のボトルネックを用いてメタ学習を定式化する。 相互情報に対する変分近似を用いることで、メタ学習のための汎用的かつトラクタブルな枠組みを導出する。
  論文  参考訳（メタデータ） (2020-09-07T16:47:30Z)
• Explainable AI for Classification using Probabilistic Logic Inference [9.656846523452502]
  説明可能な分類法を提案する。 本手法は,まず学習データから記号的知識ベースを構築し,その知識ベース上で線形プログラミングによる確率的推論を行う。 これは、ある分類を説明として責任を負う決定的な特徴を特定し、アートリー値ベースの手法であるSHAPに類似した結果を生成する。
  論文  参考訳（メタデータ） (2020-05-05T11:39:23Z)
• Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
  本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。 具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
  論文  参考訳（メタデータ） (2020-03-09T15:04:07Z)

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。