論文の概要: A unified theory of information transfer and causal relation

• arxiv url: http://arxiv.org/abs/2204.13598v1
• Date: Thu, 21 Apr 2022 02:08:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-09 03:27:59.579461
• Title: A unified theory of information transfer and causal relation
• Title（参考訳）: 情報伝達と因果関係の統一理論
• Authors: Yang Tian, Hedong Hou, Yaoyuan Wang, Ziyang Zhang, Pei Sun
• Abstract要約: 我々は情報伝達と因果関係の完全な理論的基礎を定めている。 本稿では,情報伝達と因果関係が,情報シナジーや冗長現象から普遍的に生じることを示す。 結果は、計算機科学におけるパールの因果推論理論と物理学における情報伝達分析を橋渡しする情報、シナジー、因果関係の統一的なビューを提供することができる。
• 参考スコア（独自算出の注目度）: 6.144858413112823
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Information transfer between coupled stochastic dynamics, measured by transfer entropy and information flow, is suggested as a physical process underlying the causal relation of systems. While information transfer analysis has booming applications in both science and engineering fields, critical mysteries about its foundations remain unsolved. Fundamental yet difficult questions concern how information transfer and causal relation originate, what they depend on, how they differ from each other, and if they are created by a unified and general quantity. These questions essentially determine the validity of causal relation measurement via information transfer. Here we pursue to lay a complete theoretical basis of information transfer and causal relation. Beyond the well-known relations between these concepts that conditionally hold, we demonstrate that information transfer and causal relation universally originate from specific information synergy and redundancy phenomena characterized by high-order mutual information. More importantly, our theory analytically explains the mechanisms for information transfer and causal relation to originate, vanish, and differ from each other. Moreover, our theory naturally defines the effect sizes of information transfer and causal relation based on high-dimensional coupling events. These results may provide a unified view of information, synergy, and causal relation to bridge Pearl's causal inference theory in computer science and information transfer analysis in physics.
• Abstract（参考訳）: 伝達エントロピーと情報フローによって測定された結合確率力学間の情報伝達は,系の因果関係に基づく物理過程として提案される。 情報伝達分析は科学と工学の両方で応用が進んでいるが、その基礎に関する批判的な謎は未解決のままである。 基本的な問題は、情報伝達と因果関係がどのようにして発生し、それらがどう依存するか、相互にどのように異なるか、そしてそれらが統一され一般的な量によって作られるかである。 これらの質問は、情報伝達による因果関係測定の有効性を本質的に決定する。 ここでは情報伝達と因果関係の完全な理論的基礎を築こうとする。 情報伝達と因果関係は高次相互情報によって特徴づけられる特定の情報相乗効果と冗長性現象から普遍的に生じることを条件付きで示す。 さらに,本理論は,情報伝達のメカニズムを解析的に説明し,起源・消滅・相違に対する因果関係を解明する。 さらに, この理論は, 高次元結合事象に基づく情報伝達と因果関係の効果の大きさを自然に定義する。 これらの結果は、計算機科学におけるパールの因果推論理論と物理学における情報伝達解析との統一的な情報、シナジー、因果関係を提供する。

関連論文リスト

• Towards Definition of Higher Order Causality in Complex Systems [0.0]
  本稿では,因果推論に対する情報理論的アプローチの一般化と改良を提案する。 特に、多変量因果集合に因果的役割を割り当てるが、個々の入力には直交しない。 我々は、この概念を、実演理論的な例に適用し、生体物理学的に現実的な生体神経力学シミュレーションに応用することによって実証する。
  論文  参考訳（メタデータ） (2024-08-30T12:04:51Z)
• Unsupervised Pairwise Causal Discovery on Heterogeneous Data using Mutual Information Measures [49.1574468325115]
  因果発見(Causal Discovery)は、構成変数の統計的性質を分析することで、この問題に取り組む手法である。 教師付き学習によって得られたことに基づいて,現在の(おそらく誤解を招く)ベースライン結果に疑問を呈する。 その結果、堅牢な相互情報測定を用いて、教師なしの方法でこの問題にアプローチする。
  論文  参考訳（メタデータ） (2024-08-01T09:11:08Z)
• Skews in the Phenomenon Space Hinder Generalization in Text-to-Image Generation [59.138470433237615]
  本稿では,関係学習用データセットの言語的スキューと視覚的スクリューの両方を定量化する統計指標を提案する。 系統的に制御されたメトリクスは、一般化性能を強く予測できることを示す。 この研究は、データの多様性やバランスを向上し、絶対的なサイズをスケールアップするための重要な方向を示します。
  論文  参考訳（メタデータ） (2024-03-25T03:18:39Z)
• Fundamental Properties of Causal Entropy and Information Gain [0.22252684361733285]
  最近の進歩は、構造因果モデル(SCM)による因果制御の定量化を可能にする 因果的エントロピーと因果的情報ゲインと名付けられた尺度は、因果性が重要な役割を果たす機械学習タスクに対する既存の情報理論的アプローチの限界に対処することを目的としている。
  論文  参考訳（メタデータ） (2024-02-02T11:55:57Z)
• A Causal Framework for Decomposing Spurious Variations [68.12191782657437]
  我々はマルコフモデルとセミマルコフモデルの急激な変分を分解するツールを開発する。 突発効果の非パラメトリック分解を可能にする最初の結果を証明する。 説明可能なAIや公平なAIから、疫学や医学における疑問まで、いくつかの応用がある。
  論文  参考訳（メタデータ） (2023-06-08T09:40:28Z)
• DOMINO: Visual Causal Reasoning with Time-Dependent Phenomena [59.291745595756346]
  本研究では,時間遅延のウィンドウに関連する因果関係の発見に人間が参加できる視覚分析手法を提案する。 具体的には、論理に基づく因果関係の確立した手法を活用し、分析者が潜在的な原因の重要性を検証できるようにする。 効果は他の効果の原因となりうるので,本手法で検出した時間的要因と効果の関係を視覚フロー図にまとめることができる。
  論文  参考訳（メタデータ） (2023-03-12T03:40:21Z)
• Information Theoretic Measures of Causal Influences during Transient Neural Events [2.9327503320877457]
  過渡現象は、複数のスケールで脳の活動を調整する上で重要な役割を果たしている。 ニューラルデータサイエンスの鍵となる課題は、これらのイベント中のネットワークインタラクションを特徴づけることである。
  論文  参考訳（メタデータ） (2022-09-15T17:51:46Z)
• On Information Processing Limitations In Humans and Machines [0.0]
  情報理論は情報の伝達、処理、抽出、利用の研究に関係している。 本稿では,人間の情報処理の限界が人工知能の信頼性向上にもたらす影響について論じる。
  論文  参考訳（メタデータ） (2021-12-07T13:03:00Z)
• Tracing Information Flow from Open Quantum Systems [52.77024349608834]
  我々は導波路アレイに光子を用いて、キュービットと低次元の離散環境とのカップリングの量子シミュレーションを実装した。 量子状態間のトレース距離を情報の尺度として用いて、異なるタイプの情報伝達を分析する。
  論文  参考訳（メタデータ） (2021-03-22T16:38:31Z)
• Towards Causal Representation Learning [96.110881654479]
  機械学習とグラフィカル因果関係の2つの分野が生まれ、別々に発展した。 現在、他分野の進歩の恩恵を受けるために、クロスポリン化と両方の分野への関心が高まっている。
  論文  参考訳（メタデータ） (2021-02-22T15:26:57Z)
• Uncovering the Connections Between Adversarial Transferability and Knowledge Transferability [27.65302656389911]
  我々は,知識伝達可能性と敵対的伝達可能性の関連性を分析し,実証する。 我々の理論的研究は、対向移動可能性は知識伝達可能性を示し、その逆であることを示している。 多様なデータセットの様々なシナリオに対する広範な実験を行い、対向移動可能性と知識伝達可能性との正の相関を示す。
  論文  参考訳（メタデータ） (2020-06-25T16:04:47Z)

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。