論文の概要: Optimal Spatial Deconvolution and Message Reconstruction from a Large
Generative Model of Models
- arxiv url: http://arxiv.org/abs/2303.16045v2
- Date: Sun, 15 Oct 2023 20:05:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-18 05:37:28.260065
- Title: Optimal Spatial Deconvolution and Message Reconstruction from a Large
Generative Model of Models
- Title(参考訳): 大規模モデル生成モデルからの最適空間デコンボリューションとメッセージ再構成
- Authors: Hector Zenil, Alyssa Adams, and Felipe S. Abrah\~ao
- Abstract要約: 我々は任意の任意に仮定された事前確率分布に依存しないモデルの汎用モデルを構築する。
我々は,この手法が暗号,信号処理,因果分解,生命,技術信号検出において大きな価値を持つ可能性を主張する。
- 参考スコア(独自算出の注目度): 0.15361702135159847
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce a univariate signal deconvolution method based on the principles
of an approach to Artificial General Intelligence in order to build a
general-purpose model of models independent of any arbitrarily assumed prior
probability distribution. We investigate how non-random data may encode
information about the physical properties, such as dimensions and length scales
of the space in which a signal or message may have been originally encoded,
embedded, or generated. Our multidimensional space reconstruction method is
based on information theory and algorithmic probability, so that it is proven
to be agnostic vis-a-vis the arbitrarily chosen encoding-decoding scheme,
computable or semi-computable method of approximation to algorithmic
complexity, and computational model. The results presented in this paper are
useful for applications in coding theory, particularly in zero-knowledge
one-way communication channels, such as in deciphering messages from unknown
generating sources about which no prior knowledge is available and to which no
return message can be sent. We argue that this method has the potential to be
of great value in cryptography, signal processing, causal deconvolution, life
and technosignature detection.
- Abstract(参考訳): 本稿では,任意の事前確率分布に依存しない汎用モデルのモデルを構築するために,人工知能へのアプローチの原理に基づく不定信号デコンボリューション法を提案する。
信号やメッセージがエンコードされたり、埋め込まれたり、生成されたりする空間の次元や長さなど、非ランダムなデータが物理的性質に関する情報をエンコードする方法について検討する。
多次元空間再構成法は情報理論とアルゴリズムの確率に基づいており、任意に選択された符号化-復号法、計算可能あるいは半計算可能なアルゴリズム複雑性近似法、計算モデルが無知であることを証明している。
本論文は, 符号化理論の応用において有用であり, 特に, 事前知識が得られず, 返却メッセージが送信できない未知発生源からのメッセージの復号化など, ゼロ知識の一方向通信チャネルにおいて有用である。
我々は,この手法が暗号,信号処理,因果分解,生命,技術信号検出において大きな価値を持つ可能性を主張する。
関連論文リスト
- Generative AI-Based Probabilistic Constellation Shaping With Diffusion
Models [12.218161437914118]
我々は,通信システムにおける星座記号のPHY設計のための生成AIの力を解き放つことを目的としている。
本研究では,拡散確率モデル(DDPM)のデノイズ・アンド・ジェネレート特性を確率論的星座形成に利用した。
以上の結果から,生成AIに基づくスキームは,ディープニューラルネットワーク(DNN)ベースのベンチマークや均一なシェーピングよりも優れていた。
論文 参考訳(メタデータ) (2023-11-15T20:14:21Z) - A Recursive Bateson-Inspired Model for the Generation of Semantic Formal
Concepts from Spatial Sensory Data [77.34726150561087]
本稿では,複雑な感覚データから階層構造を生成するための記号のみの手法を提案する。
このアプローチは、概念や概念の創始の鍵としてのバテソンの差異の概念に基づいている。
このモデルは、トレーニングなしでかなりリッチだが人間に読まれる概念表現を生成することができる。
論文 参考訳(メタデータ) (2023-07-16T15:59:13Z) - Disentanglement via Latent Quantization [60.37109712033694]
本研究では,組織化された潜在空間からの符号化と復号化に向けた帰納的バイアスを構築する。
本稿では,基本データレコーダ (vanilla autoencoder) と潜時再構成 (InfoGAN) 生成モデルの両方に追加することで,このアプローチの広範な適用性を実証する。
論文 参考訳(メタデータ) (2023-05-28T06:30:29Z) - Approaching an unknown communication system by latent space exploration
and causal inference [5.026037329977691]
本稿では、教師なし深層生成モデルの潜伏空間を探索し、データ中の有意義な性質を発見する手法を提案する。
我々は、因果推論にインスパイアされた手法を用いて、個々の潜伏変数を極端な値に操作する。
この手法がモデル解釈可能性の洞察を与えることを示す。
論文 参考訳(メタデータ) (2023-03-20T08:09:13Z) - Data-Driven Optimization of Directed Information over Discrete Alphabets [15.372626012233736]
方向性情報(DI)は、逐次解析モデルの研究と分析のための基本的な尺度である。
離散入力空間上でのDIのための新しい推定最適化フレームワークを提案する。
論文 参考訳(メタデータ) (2023-01-02T12:25:40Z) - A Non-monotonic Self-terminating Language Model [62.93465126911921]
本稿では,不完全復号アルゴリズムによる非終端列の問題に焦点をあてる。
まず、グリーディ探索、トップ$kのサンプリング、核サンプリングを含む不完全確率復号アルゴリズムを定義する。
次に,単調な終端確率の制約を緩和する非単調な自己終端言語モデルを提案する。
論文 参考訳(メタデータ) (2022-10-03T00:28:44Z) - Principled Knowledge Extrapolation with GANs [92.62635018136476]
我々は,知識外挿の新たな視点から,対実合成を研究する。
本稿では, 知識外挿問題に対処するために, クローズド形式判別器を用いた対角ゲームが利用可能であることを示す。
提案手法は,多くのシナリオにおいて,エレガントな理論的保証と優れた性能の両方を享受する。
論文 参考訳(メタデータ) (2022-05-21T08:39:42Z) - Deep Equilibrium Assisted Block Sparse Coding of Inter-dependent
Signals: Application to Hyperspectral Imaging [71.57324258813675]
相互依存信号のデータセットは、列が強い依存を示す行列として定義される。
ニューラルネットワークは、事前に構造として機能し、基礎となる信号相互依存性を明らかにするために使用される。
ディープ・アンローリングとディープ・平衡に基づくアルゴリズムが開発され、高度に解釈可能で簡潔なディープ・ラーニング・ベース・アーキテクチャを形成する。
論文 参考訳(メタデータ) (2022-03-29T21:00:39Z) - Nonlinear Discrete Optimisation of Reversible Steganographic Coding [0.7614628596146599]
立体歪みは、忠実度に敏感な状況では許容できないかもしれない。
本研究では,非線型離散最適化問題として可逆なステガノグラフ符号化を定式化する。
混合整数線形プログラミングを実現するために線形化技術が開発された。
論文 参考訳(メタデータ) (2022-02-26T13:02:32Z) - Parsimonious Inference [0.0]
parsimonious inferenceは任意のアーキテクチャ上の推論の情報理論的な定式化である。
提案手法は,効率的な符号化と巧妙なサンプリング戦略を組み合わせて,クロスバリデーションを伴わない予測アンサンブルを構築する。
論文 参考訳(メタデータ) (2021-03-03T04:13:14Z) - Data-Driven Symbol Detection via Model-Based Machine Learning [117.58188185409904]
機械学習(ML)とモデルベースアルゴリズムを組み合わせた,検出設計のシンボル化を目的とした,データ駆動型フレームワークについてレビューする。
このハイブリッドアプローチでは、よく知られたチャネルモデルに基づくアルゴリズムをMLベースのアルゴリズムで拡張し、チャネルモデル依存性を除去する。
提案手法は, 正確なチャネル入出力統計関係を知らなくても, モデルベースアルゴリズムのほぼ最適性能が得られることを示す。
論文 参考訳(メタデータ) (2020-02-14T06:58:27Z)
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。