論文の概要: A taxonomy of surprise definitions
- arxiv url: http://arxiv.org/abs/2209.01034v1
- Date: Fri, 2 Sep 2022 13:07:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-05 12:51:11.594571
- Title: A taxonomy of surprise definitions
- Title(参考訳): 驚きの定義の分類法
- Authors: Alireza Modirshanechi, Johanni Brea, Wulfram Gerstner
- Abstract要約: 統一フレームワークにおいて、サプライズに関する18の数学的定義を識別する。
我々はこれらを測定量に基づいて4つの概念カテゴリーに分類する。
分類学は、脳における機能的役割と驚きの生理学的特徴の原理的な研究の基礎となる。
- 参考スコア(独自算出の注目度): 4.849550522970841
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Surprising events trigger measurable brain activity and influence human
behavior by affecting learning, memory, and decision-making. Currently there
is, however, no consensus on the definition of surprise. Here we identify 18
mathematical definitions of surprise in a unifying framework. We first propose
a technical classification of these definitions into three groups based on
their dependence on an agent's belief, show how they relate to each other, and
prove under what conditions they are indistinguishable. Going beyond this
technical analysis, we propose a taxonomy of surprise definitions and classify
them into four conceptual categories based on the quantity they measure: (i)
'prediction surprise' measures a mismatch between a prediction and an
observation; (ii) 'change-point detection surprise' measures the probability of
a change in the environment; (iii) 'confidence-corrected surprise' explicitly
accounts for the effect of confidence; and (iv) 'information gain surprise'
measures the belief-update upon a new observation. The taxonomy poses the
foundation for principled studies of the functional roles and physiological
signatures of surprise in the brain.
- Abstract(参考訳): 驚くべき出来事は計測可能な脳活動を引き起こし、学習、記憶、意思決定に影響を与えることによって人間の行動に影響を与える。
しかし、現時点ではサプライズの定義に関するコンセンサスはない。
ここでは、18の数学的定義を統一的な枠組みで定義する。
まず,これらの定義を,エージェントの信念に依存した3つのグループに分類し,相互にどう関連しているかを示し,どのような条件下で識別できないかを証明する。
この技術的分析を越えて,サプライズ定義の分類法を提案し,その測定値に基づいて4つの概念カテゴリーに分類する。
(i)「予測サプライズ」とは、予測と観測とのミスマッチを計測する。
(二)「変化点検出驚き」は、環境の変化の確率を測定する。
(三)「信任訂正驚き」は、信任効果を明記し、
(四)「情報獲得驚き」は、新しい観察の信条の更新を測る。
分類学は、脳における機能的役割と驚きの生理学的特徴の原則研究の基礎となる。
関連論文リスト
- Reframing the Expected Free Energy: Four Formulations and a Unification [3.9121134770873733]
能動推論は期待される自由エネルギーに基づいている。
本稿では、これらの定式化を1つのルート予測自由エネルギー定義から導出する問題を定式化する。
論文 参考訳(メタデータ) (2024-02-22T11:38:43Z) - Identifying Drivers of Predictive Uncertainty using Variance Feature
Attribution [2.765106384328772]
変数特徴属性は、予測的アレタリック不確実性を説明するための単純でスケーラブルなソリューションである。
提案手法は,確立されたベースラインCLUEよりも,不確実性の影響を確実かつ高速に説明できることを示す。
我々の説明は笑い線のような不確実性の原因を浮き彫りにする。
論文 参考訳(メタデータ) (2023-12-12T13:28:53Z) - A Dual-Perspective Approach to Evaluating Feature Attribution Methods [43.16453263420591]
本稿では,直観的特性を明らかにする忠実度パラダイムの中で,音性と完全性という2つの新しい視点を提案する。
健全性は、どの特徴が真に予測的特徴であるかを評価する一方、完全性は、結果の帰属が予測的特徴をどの程度うまく明らかにするかを調べる。
これらのメトリクスを主流属性法に適用し、特徴属性法を解析・比較するための新しいレンズを提供する。
論文 参考訳(メタデータ) (2023-08-17T12:41:04Z) - A Semantic Approach to Decidability in Epistemic Planning (Extended
Version) [72.77805489645604]
我々は決定可能性を達成するために新しい意味論的アプローチを用いる。
具体的には、知識の論理S5$_n$と(知識)可換性と呼ばれる相互作用公理を拡大する。
我々は,本フレームワークが,独立した知識である共通知識の有限的非固定点的特徴を認めていることを証明した。
論文 参考訳(メタデータ) (2023-07-28T11:26:26Z) - Quantifying Aleatoric and Epistemic Uncertainty in Machine Learning: Are
Conditional Entropy and Mutual Information Appropriate Measures? [2.1655448059430222]
条件エントロピーと相互情報の観点から、アレタリックおよびてんかんの不確実性を定量化する。
我々はその適切さを疑問視する様々な不整合を識別する。
コンピュータビジョンタスクの異なる実験は、理論的な発見を支援する。
論文 参考訳(メタデータ) (2022-09-07T17:05:20Z) - What Should I Know? Using Meta-gradient Descent for Predictive Feature
Discovery in a Single Stream of Experience [63.75363908696257]
計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。
この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。
本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
論文 参考訳(メタデータ) (2022-06-13T21:31:06Z) - Measuring Fairness of Text Classifiers via Prediction Sensitivity [63.56554964580627]
加速度予測感度は、入力特徴の摂動に対するモデルの予測感度に基づいて、機械学習モデルの公正度を測定する。
この計量は、群フェアネス(統計パリティ)と個人フェアネスという特定の概念と理論的に関連付けられることを示す。
論文 参考訳(メタデータ) (2022-03-16T15:00:33Z) - Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards
Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。
正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。
人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
論文 参考訳(メタデータ) (2022-01-27T22:15:56Z) - Ensemble-based Uncertainty Quantification: Bayesian versus Credal
Inference [0.0]
我々は、不確実性定量化に対するアンサンブルに基づくアプローチを検討する。
具体的には,いわゆる干潟集合に基づくベイズ的手法とアプローチに着目する。
拒否オプションを用いた分類に関する実証的研究において, 対応する尺度の有効性を評価し, 比較した。
論文 参考訳(メタデータ) (2021-07-21T22:47:24Z) - Nested Counterfactual Identification from Arbitrary Surrogate
Experiments [95.48089725859298]
観測と実験の任意の組み合わせからネスト反事実の同定について検討した。
具体的には、任意のネストされた反事実を非ネストされたものへ写像できる反ファクト的非ネスト定理(英語版)(CUT)を証明する。
論文 参考訳(メタデータ) (2021-07-07T12:51:04Z) - DEUP: Direct Epistemic Uncertainty Prediction [56.087230230128185]
認識の不確実性は、学習者の知識の欠如によるサンプル外の予測エラーの一部である。
一般化誤差の予測を学習し, aleatoric uncertaintyの推定を減算することで, 認識的不確かさを直接推定する原理的アプローチを提案する。
論文 参考訳(メタデータ) (2021-02-16T23:50:35Z)
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。