論文の概要: C-Causal Blindness An experimental computational framework on the isomorphic relationship between biological computation, artificial computation, and logic using weighted hidden Markov models

• arxiv url: http://arxiv.org/abs/2208.07143v1
• Date: Mon, 15 Aug 2022 12:33:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-16 14:33:36.889648
• Title: C-Causal Blindness An experimental computational framework on the isomorphic relationship between biological computation, artificial computation, and logic using weighted hidden Markov models
• Title（参考訳）: C-Causal Blindness 重み付きマルコフモデルを用いた生物学的計算、人工計算、論理の同型関係に関する実験的計算フレームワーク
• Authors: Gon\c{c}alo Hora de Carvalho and Raffael Tappe Maestro
• Abstract要約: 目的を達成するための政策が避けられる状態につながる盲目。 隠れマルコフモデルを用いて,脳の計算,論理,計算機計算におけるC-CBの同型関係を示す実験的な計算フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This text concerns a particular flavor of cognitive blindness referred to as C-Causal Blindness, or C-CB. A blindness where the policy to obtain the objective leads to the state to be avoided. A literal example of C-CB would be Kurt G\"odel's decision to starve for "fear of being poisoned" - take this to be premise A. The objective being "to avoid being poisoned (so as to not die)": C, the plan or policy being "don't eat": B, and the actual outcome having been "dying": not C - the state that G\"odel wanted to avoid to begin with. Like many, G\"odel pursued a strategy that caused the result he wanted to avoid. An experimental computational framework is proposed to show the isomorphic relationship between C-CB in brain computations, logic, and computer computations using hidden Markov models.
• Abstract（参考訳）: このテキストは、C-Causal Blindness(C-CB)と呼ばれる認知盲目の特定の風味に関するものである。 目的を達成するための政策が避けられる状態につながる盲目。 C-CBの文字通りの例は、クルト・G・オデルが「毒を盛る恐れがある」として飢えているという決定を下したことである。「毒を盛られるのを避ける」という目的:C、計画や政策が「食べない」こと:B、実際の成果は「ダイ」である:Cではなく、G・オデルが最初に避けたい状態である。 多くの人と同様に、G\"odelは避けたい結果をもたらす戦略を追求した。 隠れマルコフモデルを用いて,脳の計算,論理,計算機計算におけるC-CBの同型関係を示す実験的な計算フレームワークを提案する。

関連論文リスト

• CausalDiff: Causality-Inspired Disentanglement via Diffusion Model for Adversarial Defense [61.78357530675446]
  人間は、本質的な要因のみに基づいて判断するので、微妙な操作によって騙されるのは難しい。 この観察に触発されて、本質的なラベル因果因子を用いたラベル生成をモデル化し、ラベル非因果因子を組み込んでデータ生成を支援する。 逆の例では、摂動を非因果因子として識別し、ラベル因果因子のみに基づいて予測することを目的としている。
  論文  参考訳（メタデータ） (2024-10-30T15:06:44Z)
• Revisiting Counterfactual Regression through the Lens of Gromov-Wasserstein Information Bottleneck [30.31832773408621]
  我々はGromov-Wasserstein Information bottleneck (GWIB)と呼ばれる新しい学習パラダイムを提案する。 GWIBは最適化の交互化を通じてCFRモデルを効果的に学習し、自明な潜伏分布を避けながら選択バイアスを抑制する。 ITE推定タスクの実験では、GWIBは最先端のCFR法よりも一貫して優れていた。
  論文  参考訳（メタデータ） (2024-05-24T12:48:24Z)
• Calibrating Neural Simulation-Based Inference with Differentiable Coverage Probability [50.44439018155837]
  ニューラルモデルのトレーニング目的に直接キャリブレーション項を含めることを提案する。 古典的なキャリブレーション誤差の定式化を緩和することにより、エンドツーエンドのバックプロパゲーションを可能にする。 既存の計算パイプラインに直接適用でき、信頼性の高いブラックボックス後部推論が可能である。
  論文  参考訳（メタデータ） (2023-10-20T10:20:45Z)
• ABC: Adversarial Behavioral Cloning for Offline Mode-Seeking Imitation Learning [48.033516430071494]
  本稿では,GAN(Generative Adversarial Network)トレーニングの要素を取り入れて,モード探索行動を示す行動クローニング(BC)の修正版を紹介する。 我々は,DeepMind Control スイートから Hopper をベースとした玩具ドメインとドメイン上でABC を評価し,モード探索により標準 BC よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-11-08T04:54:54Z)
• Neural Causal Models for Counterfactual Identification and Estimation [62.30444687707919]
  本稿では,ニューラルモデルによる反事実文の評価について検討する。 まず、神経因果モデル(NCM)が十分に表現可能であることを示す。 第2に,反事実分布の同時同定と推定を行うアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-09-30T18:29:09Z)
• BaCaDI: Bayesian Causal Discovery with Unknown Interventions [118.93754590721173]
  BaCaDIは因果構造と介入の両方の潜在確率的表現の連続的な空間で機能する。 BaCaDIは、合成因果発見タスクとシミュレートされた遺伝子発現データの実験において、因果構造と介入ターゲットを識別する関連手法より優れている。
  論文  参考訳（メタデータ） (2022-06-03T16:25:48Z)
• The Causal Neural Connection: Expressiveness, Learnability, and Inference [125.57815987218756]
  構造因果モデル (Structuor causal model, SCM) と呼ばれるオブジェクトは、調査中のシステムのランダムな変動のメカニズムと源の集合を表す。 本稿では, 因果的階層定理 (Thm. 1, Bareinboim et al., 2020) がまだニューラルモデルに対して成り立っていることを示す。 我々はニューラル因果モデル(NCM)と呼ばれる特殊なタイプのSCMを導入し、因果推論に必要な構造的制約をエンコードする新しいタイプの帰納バイアスを定式化する。
  論文  参考訳（メタデータ） (2021-07-02T01:55:18Z)
• Tree-Values: selective inference for regression trees [0.0]
  データから推定された木が標準的な保証を達成できないという事実を説明できない推論に対する単純なアプローチ。 適応したCARTツリー上での推論を行うための選択推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-15T00:25:11Z)
• Bayesian Model Averaging for Data Driven Decision Making when Causality is Partially Known [0.0]
  我々はベイズモデル平均化(BMA)のようなアンサンブル法を用いて因果グラフの集合を推定する。 潜在的な介入の期待値とリスクを明示的に計算して意思決定を行います。
  論文  参考訳（メタデータ） (2021-05-12T01:55:45Z)
• Active Inference or Control as Inference? A Unifying View [33.361301128504905]
  制御レンズによる能動推論のフレーム化(CaI) CaIは原理的で、数値的に堅牢な最適制御解法を提供する。 コスト関数が観測状態に特異的に定義されている場合、AIは部分的に観測されたCaIとしてフレーム化される可能性があることを示す。
  論文  参考訳（メタデータ） (2020-10-01T09:08:45Z)

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。