論文の概要: A Dilemma for Solomonoff Prediction
- arxiv url: http://arxiv.org/abs/2206.06473v1
- Date: Mon, 13 Jun 2022 21:11:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-16 09:47:40.265486
- Title: A Dilemma for Solomonoff Prediction
- Title(参考訳): ソロモンオフ予測のためのジレンマ
- Authors: Sven Neth
- Abstract要約: ソロモノフ予想の枠組みは、先行確率をコルモゴロフ複雑性に逆比例する仮説に割り当てる。
異なるSolomonoffの優先順位は、ますます多くのデータに収束する。
ソロモノフ予想に対する計算可能な近似は必ずしも収束しない。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The framework of Solomonoff prediction assigns prior probability to
hypotheses inversely proportional to their Kolmogorov complexity. There are two
well-known problems. First, the Solomonoff prior is relative to a choice of
Universal Turing machine. Second, the Solomonoff prior is not computable.
However, there are responses to both problems. Different Solomonoff priors
converge with more and more data. Further, there are computable approximations
to the Solomonoff prior. I argue that there is a tension between these two
responses. This is because computable approximations to Solomonoff prediction
do not always converge.
- Abstract(参考訳): ソロモンフ予測の枠組みは、コルモゴロフの複雑性に逆比例する仮説に事前の確率を割り当てる。
有名な問題は2つある。
第一に、Solomonoff はUniversal Turing マシンの選択と相対的である。
第二に、以前のSolomonoffは計算不可能である。
しかし、どちらの問題にも反応がある。
異なるSolomonoffの優先順位は、ますます多くのデータに収束する。
さらに、Solomonoffに対する計算可能な近似がある。
私はこの2つの反応の間に緊張があると思う。
これは、ソロモンオフ予測への計算可能近似が必ずしも収束しないためである。
関連論文リスト
- Direct sum theorems beyond query complexity [0.0]
古典的/量子的クエリの複雑さを拡張する新しいフレームワークを導入する。
この枠組みの中で、いくつかの基本的な直和定理を確立する。
関数 $f: 0, 1k to 0, 1$ と小さなエラー $varepsilon > 0$ が存在して、$n$インスタンスを同時に解決するには、クエリの複雑さが $tildeO(nsqrtk)$ である。
論文 参考訳(メタデータ) (2024-08-28T06:53:29Z) - Nearly-Optimal Consensus Tolerating Adaptive Omissions: Why is a Lot of Randomness Needed? [4.465134753953128]
同期分散システムにおいて,通信リンクから障害当事者への通信がメッセージの送信を省略できる場合,$n$の自律的パーティによる合意に達するという問題について検討する。
我々は、$O(sqrtnlog2 n)$ラウンドで動作し、$O(n2log3 n)$通信ビットを送信するランダム化アルゴリズムを設計する。
MCアルゴリズムが$O(R)$呼び出しを使用する場合、$Omega(fracn2maxR,nlog n)$ラウンドで動作しないことを示す。
論文 参考訳(メタデータ) (2024-05-08T02:17:10Z) - Closing the Gap Between the Upper Bound and the Lower Bound of Adam's
Iteration Complexity [51.96093077151991]
我々はAdamの新しい収束保証を導出し、$L$-smooth条件と有界雑音分散仮定のみを導出する。
本証明は,運動量と適応学習率の絡み合いを扱うために,新しい手法を利用する。
論文 参考訳(メタデータ) (2023-10-27T09:16:58Z) - Semantic Strengthening of Neuro-Symbolic Learning [85.6195120593625]
ニューロシンボリックアプローチは一般に確率論的目的のファジィ近似を利用する。
トラクタブル回路において,これを効率的に計算する方法を示す。
我々は,Warcraftにおける最小コストパスの予測,最小コスト完全マッチングの予測,スドクパズルの解法という3つの課題に対して,アプローチを検証した。
論文 参考訳(メタデータ) (2023-02-28T00:04:22Z) - Federated Best Arm Identification with Heterogeneous Clients [62.36929749450298]
中央サーバと複数のクライアントを備えた多腕バンディット・セッティングにおける腕の識別について検討した。
予測停止時間上の上限が乗算定数までの下限と一致するアルゴリズム(ほぼ最適アルゴリズムの場合)について示す。
本稿では,指数時間瞬間に通信する新しいアルゴリズムを提案し,ほぼ最適であることを実証する。
論文 参考訳(メタデータ) (2022-10-14T13:09:11Z) - A PDE-Based Analysis of the Symmetric Two-Armed Bernoulli Bandit [1.2183405753834562]
この研究は、両腕のベルヌーイ・バンディット問題(英語版)(Bernoulli bandit problem)の、腕の手段の和が1であるバージョンに対処する。
我々は, それぞれの問題を線形熱方程式の解に関連付けることにより, minmax最適後悔と擬似回帰の先行順序項を得る。
論文 参考訳(メタデータ) (2022-02-11T17:03:18Z) - Acceleration in Distributed Optimization Under Similarity [72.54787082152278]
集中ノードを持たないエージェントネットワーク上での分散(強い凸)最適化問題について検討する。
$varepsilon$-solutionは$tildemathcalrhoObig(sqrtfracbeta/mu (1-)log1/varepsilonbig)$通信ステップ数で達成される。
この速度は、関心のクラスに適用される分散ゴシップ-アルゴリズムの、初めて(ポリログ因子まで)より低い複雑性の通信境界と一致する。
論文 参考訳(メタデータ) (2021-10-24T04:03:00Z) - Sharp regret bounds for empirical Bayes and compound decision problems [42.397889421982555]
ベイズ設定では、最適推定器は事前依存条件平均によって与えられる。
コンパクトにサポートされた部分指数前のPoissonモデルに対して、最適の後悔スケールは $Theta(fraclog nloglog n)2)$ と $Theta(log3 n)$ である。
論文 参考訳(メタデータ) (2021-09-08T21:34:47Z) - Navigating to the Best Policy in Markov Decision Processes [68.8204255655161]
マルコフ決定過程における純粋探索問題について検討する。
エージェントはアクションを逐次選択し、結果のシステム軌道から可能な限り早くベストを目標とする。
論文 参考訳(メタデータ) (2021-06-05T09:16:28Z) - Adaptive Combinatorial Allocation [77.86290991564829]
割り当てが繰り返し選択され、戻り値は不明だが学習可能であり、決定には制約が伴う。
我々のモデルは、複雑な制約があっても、両側のマッチングと一方のマッチングをカバーしています。
論文 参考訳(メタデータ) (2020-11-04T15:02:59Z) - A Gentle Introduction to Quantum Computing Algorithms with Applications
to Universal Prediction [21.344529157722366]
この技術報告は、非物理学者のための量子コンピューティングの初歩的な紹介である。
Deutsch-Jozsa Algorithm、Shor's Algorithm、Grocer Search、Quantum Counting Algorithm。
次に、Solomonoff誘導の近似のためのより良いアルゴリズムを見つけるためにQuantum Computingを使用します。
論文 参考訳(メタデータ) (2020-04-29T11:46:52Z)
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。