論文の概要: The transport problem for non-additive measures
- arxiv url: http://arxiv.org/abs/2211.12150v2
- Date: Wed, 23 Nov 2022 15:29:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-24 13:30:28.876352
- Title: The transport problem for non-additive measures
- Title(参考訳): 非加法的測度の輸送問題
- Authors: Vicen\c{c} Torra
- Abstract要約: 非加法的測度は加法的測度よりも一般的である。
非付加的な尺度はより優れたモデリング能力を持つ。
非付加的な措置を分析する必要性が高まっている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Non-additive measures, also known as fuzzy measures, capacities, and
monotonic games, are increasingly used in different fields. Applications have
been built within computer science and artificial intelligence related to e.g.
decision making, image processing, machine learning for both classification,
and regression. Tools for measure identification have been built. In short, as
non-additive measures are more general than additive ones (i.e., than
probabilities), they have better modeling capabilities allowing to model
situations and problems that cannot be modelled by the latter. See e.g. the
application of non-additive measures and the Choquet integral to model both
Ellsberg paradox and Allais paradox.
Because of that, there is an increasing need to analyze non-additive
measures. The need for distances and similarities to compare them is no
exception. Some work has been done for definining $f$-divergence for them. In
this work we tackle the problem of definining the transport problem for
non-additive measures, which has not been considered up to our knowledge up to
now. Distances for pairs of probability distributions based on the optimal
transport are extremely used in practical applications, and they are being
studied extensively for the mathematical properties. We consider that it is
necessary to provide appropriate definitions with a similar flavour, and that
generalize the standard ones, for non-additive measures.
We provide definitions based on the M\"obius transform, but also based on the
$(\max, +)$-transform that we consider that has some advantages. We will
discuss in this paper the problems that arise to define the transport problem
for non-additive measures, and discuss ways to solve them. In this paper we
provide the definitions of the optimal transport problem, and prove some
properties.
- Abstract(参考訳): ファジィ測度、キャパシティ、モノトニックゲームとして知られる非加法的測度は、異なる分野においてますます使われている。
コンピュータサイエンスや人工知能において、意思決定、画像処理、分類と回帰のための機械学習といった応用が構築されている。
測定のためのツールが構築されている。
つまり、非加法的測度は加法的測度よりも一般的なので(確率よりも)、後者ではモデル化できない状況や問題をモデル化できるより良いモデリング能力を持つ。
例えば、エルスバーグ・パラドックスとアリス・パラドックスの両方をモデル化するための非加法測度とチョケ積分の応用を参照。
そのため、非付加的措置の分析の必要性が高まっている。
距離とそれらを比較するための類似性も例外ではない。
それらのために$f$-divergenceを定義する作業がいくつか行われている。
本研究は, 今までの知識に照らされてはいなかった非付加的措置の輸送問題を解消する問題に対処するものである。
最適輸送に基づく確率分布の対の距離は、実用的応用において非常によく使われており、数学的性質について広く研究されている。
同様のフレーバーで適切な定義を与える必要があり、非加法測度に対して標準的な定義を一般化する必要があると考える。
我々は m\"obius 変換に基づく定義を提供するが、いくつかの利点があると考えられる $(\max, +)$-transform にも基づいている。
本稿では,非加法的措置の輸送問題を定義する上で生じる問題点について論じ,その解決方法について論じる。
本稿では、最適輸送問題の定義を提供し、いくつかの特性を証明する。
関連論文リスト
- Debiasing Machine Learning Models by Using Weakly Supervised Learning [3.3298048942057523]
アルゴリズムの出力と感度変数の両方が連続的な設定において、アルゴリズム決定のバイアス軽減の問題に取り組む。
典型的な例は、年齢や財政状況に関して行われる不公平な決定である。
我々のバイアス緩和戦略は弱い教師付き学習手法であり、データのごく一部を公平に測定する必要がある。
論文 参考訳(メタデータ) (2024-02-23T18:11:32Z) - Tempered Calculus for ML: Application to Hyperbolic Model Embedding [74.82054459297169]
MLで使用されるほとんどの数学的歪みは、本質的に自然界において積分的である。
本稿では,これらの歪みを改善するための基礎的理論とツールを公表し,機械学習の要件に対処する。
我々は、最近MLで注目を集めた問題、すなわち、ハイパーボリック埋め込みを「チープ」で正確なエンコーディングで適用する方法を示す。
論文 参考訳(メタデータ) (2024-02-06T17:21:06Z) - Scalable Unbalanced Sobolev Transport for Measures on a Graph [23.99177001129992]
最適輸送(OT)は確率測度を比較する強力なツールである。
OT にはいくつかの欠点がある: (i) 同じ質量を持つために必要な入力測度、(ii)高い計算複雑性、(iii)不確定性。
Le et al. (2022) は、支持体上のグラフ構造を利用して、同じ総質量のグラフ上の測度に対して、最近ソボレフ輸送を提案した。
提案した不均衡なソボレフ輸送は高速計算のための閉形式式を許容し,また負の定式であることを示す。
論文 参考訳(メタデータ) (2023-02-24T07:35:38Z) - involve-MI: Informative Planning with High-Dimensional Non-Parametric
Beliefs [6.62472687864754]
我々は,情報理論的な期待報酬,相互情報(MI)を,より低次元のサブセットで計算し,効率を向上し,精度を犠牲にすることなく計算する。
次に、逐次モンテカルロ方式で機能するMIの推定器を開発し、将来の信念の表面の再構成を避ける。
この研究は、能動SLAM問題のシミュレーションで評価され、精度とタイミングの両方の改善が示される。
論文 参考訳(メタデータ) (2022-09-23T13:51:36Z) - The Schr\"odinger Bridge between Gaussian Measures has a Closed Form [101.79851806388699]
我々は OT の動的定式化(Schr"odinger bridge (SB) 問題)に焦点を当てる。
本稿では,ガウス測度間のSBに対する閉形式表現について述べる。
論文 参考訳(メタデータ) (2022-02-11T15:59:01Z) - Causal Inference Under Unmeasured Confounding With Negative Controls: A
Minimax Learning Approach [84.29777236590674]
すべての共同設立者が観察されず、代わりに負の制御が利用可能である場合の因果パラメータの推定について検討する。
最近の研究は、2つのいわゆるブリッジ関数による同定と効率的な推定を可能にする方法を示している。
論文 参考訳(メタデータ) (2021-03-25T17:59:19Z) - Sliced Multi-Marginal Optimal Transport [21.82052188474956]
複数の測度間の相違を定義できる最適輸送の一般化であるマルチマルジナル最適輸送について検討する。
分割されたマルチマルジナル不一致の計算は、多くの確率測度に対して非常にスケーラブルであり、最大107ドルのサンプルをサポートすることを示す。
論文 参考訳(メタデータ) (2021-02-14T09:58:47Z) - Bayesian Quadrature on Riemannian Data Manifolds [79.71142807798284]
データに固有の非線形幾何学構造をモデル化する原則的な方法が提供される。
しかし、これらの演算は通常計算的に要求される。
特に、正規法則上の積分を数値計算するためにベイズ二次(bq)に焦点を当てる。
先行知識と活発な探索手法を両立させることで,BQは必要な評価回数を大幅に削減できることを示す。
論文 参考訳(メタデータ) (2021-02-12T17:38:04Z) - Fundamental Limits and Tradeoffs in Invariant Representation Learning [99.2368462915979]
多くの機械学習アプリケーションは、2つの競合する目標を達成する表現を学習する。
ミニマックスゲーム理論の定式化は、精度と不変性の基本的なトレードオフを表す。
分類と回帰の双方において,この一般的かつ重要な問題を情報論的に解析する。
論文 参考訳(メタデータ) (2020-12-19T15:24:04Z) - What can I do here? A Theory of Affordances in Reinforcement Learning [65.70524105802156]
我々はマルコフ決定過程の学習と計画を行うエージェントのための余裕の理論を開発する。
このケースでは、任意の状況で利用可能なアクションの数を減らすことで、アフォーダンスが二重の役割を担います。
本稿では,よりシンプルで一般化された遷移モデルを推定するために,余裕を学習し,それを利用するアプローチを提案する。
論文 参考訳(メタデータ) (2020-06-26T16:34:53Z)
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。