論文の概要: Relating Information and Proof
- arxiv url: http://arxiv.org/abs/2205.07635v1
- Date: Thu, 12 May 2022 08:00:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-17 15:46:02.033379
- Title: Relating Information and Proof
- Title（参考訳）: 情報と証明の関連
- Authors: Anatol Slissenko
- Abstract要約: 実生活における言語情報は、より正確には公式である。
私はこの情報の認識を形式化しようとしています。
証明の情報性の尺度は、検討中の公式に関連する証明の集合に基づいている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In mathematics information is a number that measures uncertainty (entropy)
based on a probabilistic distribution, often of an obscure origin. In real life
language information is a datum, a statement, more precisely, a formula. But
such a formula should be justified by a proof. I try to formalize this
perception of information. The measure of informativeness of a proof is based
on the set of proofs related to the formulas under consideration. This set of
possible proofs (`a knowledge base') defines a probabilistic measure, and
entropic weight is defined using this measure. The paper is mainly conceptual,
it is not clear where and how this approach can be applied.
- Abstract（参考訳）: 数学の情報(英: information)は確率分布に基づいて不確実性(エントロピー)を測定する数である。
実生活における言語情報は命題であり、より正確には公式である。
しかし、そのような公式は証明によって正当化されるべきである。
私はこの情報の認識を形式化しようとしている。
証明の有益性の測定は、検討中の公式に関連する証明の集合に基づいている。
この可能な証明の集合('a knowledge base')は確率的測度を定義し、エントロピー重みはこの測度を用いて定義される。
本論文は主に概念的であり, どのようなアプローチが適用できるのかは明らかになっていない。
関連論文リスト
- Lean-STaR: Learning to Interleave Thinking and Proving [53.923617816215774]
証明の各ステップに先立って,非公式な思考を生成するために,言語モデルをトレーニングするフレームワークであるLean-STaRを紹介します。
Lean-STaRは、Lean定理証明環境内のminiF2F-testベンチマークで最先端の結果を達成する。
論文 参考訳（メタデータ） (2024-07-14T01:43:07Z) - Physicality of evolution and statistical contractivity are equivalent notions of maps [0.0]
可能なすべての線型写像の中で、フィッシャー情報と契約する唯一のものは、まさに物理的なものであることを証明している。
この結果は、一般的な意見に反して、物理写像と正準統計量化器の間には基本的な階層が存在しないことを示している。
論文 参考訳（メタデータ） (2023-10-24T18:16:05Z) - Connecting Proof Theory and Knowledge Representation: Sequent Calculi
and the Chase with Existential Rules [1.8275108630751844]
実存則の文脈におけるチェイス機構は、本質的には、一階述語論理に対するゲンツェンの逐次計算の拡張における証明探索と同じであることを示す。
我々は、決定可能性の証明を理論的に確立するための中央ツールを、知識表現の文脈において、決定可能性の中央ツールと正式に結合する。
論文 参考訳（メタデータ） (2023-06-05T01:10:23Z) - Generating Natural Language Proofs with Verifier-Guided Search [74.9614610172561]
NLProofS (Natural Language Proof Search) を提案する。
NLProofSは仮説に基づいて関連するステップを生成することを学習する。
EntailmentBank と RuleTaker の最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2022-05-25T02:22:30Z) - Shannon theory beyond quantum: information content of a source [68.8204255655161]
情報内容の定義を運用確率理論に拡張する。
副添加物として関連する性質と状態の純度と情報量との関係を検証した。
論文 参考訳（メタデータ） (2021-12-23T16:36:06Z) - A Bayesian Framework for Information-Theoretic Probing [51.98576673620385]
我々は、探索は相互情報を近似するものとみなすべきであると論じる。
これは、表現が元の文とターゲットタスクに関する全く同じ情報をエンコードしているというかなり直感的な結論を導いた。
本稿では,ベイズ的相互情報(Bayesian mutual information)と呼ぶものを測定するための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-09-08T18:08:36Z) - Entropy, Information, and the Updating of Probabilities [0.0]
本稿では,推論の一般的な枠組みとして,最大エントロピー法に対する特定のアプローチを概説する。
ME法は1つの後部の単なる選択を越えているが、他の分布がどれだけ少ないかという問題にも対処する。
論文 参考訳（メタデータ） (2021-07-09T16:27:23Z) - Finding Good Proofs for Description Logic Entailments Using Recursive
Quality Measures (Extended Technical Report) [15.150938933215906]
証明がいかに理解可能であるかは、使用する計算量だけでなく、特定の証明の性質にも依存する。
我々は、計算と測度の幅広いクラスを対象とする一般的な結果を目指す。
論文 参考訳（メタデータ） (2021-04-27T12:34:13Z) - Causal Expectation-Maximisation [70.45873402967297]
ポリツリーグラフを特徴とするモデルにおいても因果推論はNPハードであることを示す。
我々は因果EMアルゴリズムを導入し、分類的表現変数のデータから潜伏変数の不確かさを再構築する。
我々は、反事実境界が構造方程式の知識なしにしばしば計算できるというトレンドのアイデアには、目立たずの制限があるように思える。
論文 参考訳（メタデータ） (2020-11-04T10:25:13Z) - Geometry of Similarity Comparisons [51.552779977889045]
空間形式の順序容量は、その次元と曲率の符号に関係していることを示す。
さらに重要なことは、類似性グラフ上で定義された順序拡散確率変数の統計的挙動が、その基礎となる空間形式を特定するのに利用できることである。
論文 参考訳（メタデータ） (2020-06-17T13:37:42Z)
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。