論文の概要: A Belief Model for Conflicting and Uncertain Evidence -- Connecting
Dempster-Shafer Theory and the Topology of Evidence
- arxiv url: http://arxiv.org/abs/2306.03532v1
- Date: Tue, 6 Jun 2023 09:30:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-07 16:13:18.857972
- Title: A Belief Model for Conflicting and Uncertain Evidence -- Connecting
Dempster-Shafer Theory and the Topology of Evidence
- Title（参考訳）: 矛盾し不確定な証拠に対する信念モデル--デンプスター・シェーファー理論と証拠のトポロジーをつなぐ
- Authors: Daira Pinto Prieto, Ronald de Haan, Ayb\"uke \"Ozg\"un
- Abstract要約: 本稿では,不一致,不完全,不確実な証拠に基づいて,信念の度合いを測定する新しいモデルを提案する。
このモデルによる信念の計算次数は一般に#P完全であることが示される。
- 参考スコア（独自算出の注目度）: 8.295493796476766
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: One problem to solve in the context of information fusion, decision-making,
and other artificial intelligence challenges is to compute justified beliefs
based on evidence. In real-life examples, this evidence may be inconsistent,
incomplete, or uncertain, making the problem of evidence fusion highly
non-trivial. In this paper, we propose a new model for measuring degrees of
beliefs based on possibly inconsistent, incomplete, and uncertain evidence, by
combining tools from Dempster-Shafer Theory and Topological Models of Evidence.
Our belief model is more general than the aforementioned approaches in two
important ways: (1) it can reproduce them when appropriate constraints are
imposed, and, more notably, (2) it is flexible enough to compute beliefs
according to various standards that represent agents' evidential demands. The
latter novelty allows the users of our model to employ it to compute an agent's
(possibly) distinct degrees of belief, based on the same evidence, in
situations when, e.g, the agent prioritizes avoiding false negatives and when
it prioritizes avoiding false positives. Finally, we show that computing
degrees of belief with this model is #P-complete in general.
- Abstract（参考訳）: 情報融合、意思決定、その他の人工知能の課題の文脈で解決すべき問題は、証拠に基づいて正当化された信念を計算することである。
実例では、この証拠は矛盾、不完全、不確実であり、証拠融合の問題は非常に非自明である。
本稿では,Dempster-Shafer理論とトポロジカル・モデル・オブ・エビデンス(Topological Models of Evidence)のツールを組み合わせることで,不一致,不完全,不確実な証拠に基づく信念の度合いを測定する新しいモデルを提案する。
我々の信念モデルは、(1)適切な制約が課されたときにそれらを再現できる、(2)エージェントの顕在的要求を表す様々な基準に従って信念を計算するのに十分柔軟である、という2つの重要な方法で、上記のアプローチよりも一般的である。
後者のノベルティは、例えば、エージェントが偽陰性の回避を優先し、偽陽性の回避を優先する状況において、同じ証拠に基づいて、エージェントの(おそらくは)異なる信念の程度を計算するために、我々のモデルのユーザがそれを利用するようにします。
最後に、このモデルによる信念の計算次数は一般に#P完全であることを示す。
関連論文リスト
- Causal modelling without introducing counterfactuals or abstract distributions [7.09435109588801]
本稿では,すべての仮定が検証可能な有限集団に対する因果推論を治療学的予測として解釈する。
この新しい枠組みは、因果関係のモデル依存性と、統計的および科学的推論の違いを強調している。
論文 参考訳（メタデータ） (2024-07-24T16:07:57Z) - Chain-of-Probe: Examing the Necessity and Accuracy of CoT Step-by-Step [81.50681925980135]
モデル推論における心の変化を探索する手法を提案する。
心的変化のパターンを解析することにより,モデルの推論の正しさを検証した。
我々の検証では、最終回答では正しいが、多くの応答が推論プロセスに誤りを含んでいることが明らかになった。
論文 参考訳（メタデータ） (2024-06-23T15:50:22Z) - Isopignistic Canonical Decomposition via Belief Evolution Network [12.459136964317942]
本稿では,信念進化ネットワークに基づく同義変換を提案する。
この分解は、可能性分布とその同型質量関数の間の逆経路を与える。
本稿では,確率論,デンプスター・シェーファー理論,可能性理論に基づく人工知能の一般モデル構築のための理論的基盤を確立する。
論文 参考訳（メタデータ） (2024-05-04T12:39:15Z) - Belief formation and the persistence of biased beliefs [0.0]
エージェントが二つの理論を区別しようとする信念形成モデルを提案する。
我々のモデルでは、情報処理の制限は弱い証拠を検閲するインセンティブを与える。
論文 参考訳（メタデータ） (2023-10-12T16:27:04Z) - Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。
提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。
複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
論文 参考訳（メタデータ） (2023-06-09T08:30:51Z) - Uncertain Evidence in Probabilistic Models and Stochastic Simulators [80.40110074847527]
我々は、不確実性を伴う観測を伴う確率論的モデルにおいて、ベイズ的推論を行うという問題について考察する。
我々は、不確実な証拠をどう解釈するかを探求し、潜伏変数の推論に関連する適切な解釈の重要性を拡大する。
我々は、不確実な証拠を説明するための具体的なガイドラインを考案し、特に一貫性に関する新しい洞察を提供する。
論文 参考訳（メタデータ） (2022-10-21T20:32:59Z) - Logical Satisfiability of Counterfactuals for Faithful Explanations in
NLI [60.142926537264714]
本稿では, 忠実度スルー・カウンタファクトの方法論について紹介する。
これは、説明に表される論理述語に基づいて、反実仮説を生成する。
そして、そのモデルが表現された論理と反ファクトの予測が一致しているかどうかを評価する。
論文 参考訳（メタデータ） (2022-05-25T03:40:59Z) - The Causal Marginal Polytope for Bounding Treatment Effects [9.196779204457059]
グローバル因果モデルを構築することなく因果関係を同定する手法を提案する。
我々は,グローバル因果モデルを構築することなく,因果モデルの限界とデータとの整合性を強制する。
我々はこの局所的に一貫した辺縁の集合を、因果的辺縁ポリトープと呼ぶ。
論文 参考訳（メタデータ） (2022-02-28T15:08:22Z) - A General Framework for Distributed Inference with Uncertain Models [14.8884251609335]
異種エージェントのネットワークを用いた分散分類の問題について検討する。
我々は、エージェントの不確実性を可能性に組み込む不確実性モデルの概念に基づいて構築する。
論文 参考訳（メタデータ） (2020-11-20T22:17:12Z) - Causal Expectation-Maximisation [70.45873402967297]
ポリツリーグラフを特徴とするモデルにおいても因果推論はNPハードであることを示す。
我々は因果EMアルゴリズムを導入し、分類的表現変数のデータから潜伏変数の不確かさを再構築する。
我々は、反事実境界が構造方程式の知識なしにしばしば計算できるというトレンドのアイデアには、目立たずの制限があるように思える。
論文 参考訳（メタデータ） (2020-11-04T10:25:13Z) - A Weaker Faithfulness Assumption based on Triple Interactions [89.59955143854556]
より弱い仮定として, 2$-adjacency faithfulness を提案します。
より弱い仮定の下で適用可能な因果発見のための音方向規則を提案する。
論文 参考訳（メタデータ） (2020-10-27T13:04:08Z)
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。