Fugu-MT 論文翻訳(概要): Combining contextuality and causality: a game semantics approach

論文の概要: Combining contextuality and causality: a game semantics approach

arxiv url: http://arxiv.org/abs/2307.04786v1
Date: Mon, 10 Jul 2023 18:00:01 GMT
ステータス: 処理完了
システム内更新日: 2023-07-12 17:31:08.145801
Title: Combining contextuality and causality: a game semantics approach
Title（参考訳）: 文脈性と因果性を組み合わせたゲーム意味論アプローチ
Authors: Samson Abramsky, Rui Soares Barbosa, Amy Searle
Abstract要約: 我々は,因果関係と因果関係を結合する手法を開発し,因果関係の背景構造,適応的測定に基づく量子計算,因果関係のネットワークを網羅する。鍵となる考え方は、文脈性は実験者と自然の間のゲームから生じるものであり、実験者(測定の選択)と自然(結果の選択)の両方の行動に因果的依存を可能にすることである。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We develop an approach to combining contextuality with causality, which is general enough to cover causal background structure, adaptive measurement-based quantum computation, and causal networks. The key idea is to view contextuality as arising from a game played between Experimenter and Nature, allowing for causal dependencies in the actions of both the Experimenter (choice of measurements) and Nature (choice of outcomes).
Abstract（参考訳）: 因果関係と因果関係を結合する手法を開発し,因果関係の背景構造,適応的測定に基づく量子計算,因果ネットワークなどをカバーする。主要な考え方は、文脈性は実験者と自然の間のゲームから生じるものであり、実験者(測定結果の選択)と自然(結果の選択)の両方の行動に因果的依存を可能にすることである。

関連論文リスト

Corrected Bell and Noncontextuality Inequalities for Realistic Experiments [1.099532646524593]
文脈性は量子相関の特徴である。非古典的な現象としての基本的な観点からも重要であり、量子的優位性のためのリソースとしての応用の観点からも重要である。我々は、その雑音に対する頑健性を保証する文脈分数(文脈分数)の既知の尺度の連続性を証明した。すると、これらの緩和が文脈性を説明できる範囲に縛り付けられ、真の文脈性の概念が成立し、実験的な不完全性に対して堅牢である。
論文参考訳（メタデータ） (2023-10-30T09:43:39Z)
Inducing Causal Structure for Abstractive Text Summarization [76.1000380429553]
要約データの因果構造を誘導する構造因果モデル(SCM)を導入する。本稿では因果的要因を模倣できる因果的表現を学習するための因果性インスピレーション付き系列列列モデル(CI-Seq2Seq)を提案する。 2つの広く使われているテキスト要約データセットの実験結果は、我々のアプローチの利点を示している。
論文参考訳（メタデータ） (2023-08-24T16:06:36Z)
Separability, Contextuality, and the Quantum Frame Problem [0.0]
状態分離可能性の仮定と準備と測定の文脈性の関係について検討する。基本選択,熱力学的交換,および先行因果モデルの適用による状態準備および測定において,文脈性がどのように一般化されるかを示す。
論文参考訳（メタデータ） (2023-04-19T23:32:19Z)
The Geometry of Causality [0.0]
我々は因果関係、非局所性、文脈性の研究のための統一的な枠組みを提供する。我々は、入力履歴の任意の空間と入力コンテキストの任意の選択について、因果関係を定義する。任意の因果制約に対して因果分離性の概念を導入する。
論文参考訳（メタデータ） (2023-03-16T01:11:47Z)
Causal Deep Learning [77.49632479298745]
因果性は、現実世界の問題を解決する方法を変える可能性がある。しかし因果関係は、実際にテストできない重要な仮定を必要とすることが多い。我々は、因果性に関する新しい考え方を提案します。
論文参考訳（メタデータ） (2023-03-03T19:19:18Z)
An Extension Of Combinatorial Contextuality For Cognitive Protocols [1.1549572298362785]
本稿では、因果的影響のなかにおける文脈性決定を支援するための存在的アプローチを拡張する。人間の認知は因果的影響に満ちているように見えるため、認知モデラーは認知現象の文脈性を決定するために拡張されたアプローチを適用することができる。
論文参考訳（メタデータ） (2022-02-15T04:28:14Z)
Causal Inference Principles for Reasoning about Commonsense Causality [93.19149325083968]
コモンセンス因果推論(Commonsense causality reasoning)は、平均的な人によって妥当と見なされる自然言語記述における妥当な原因と影響を特定することを目的としている。既存の作業は通常、深い言語モデルに全面的に依存しており、共起を混同する可能性がある。古典的因果原理に触発され,我々はCCRの中心的問題を明確にし,観察研究と自然言語における人間の対象間の類似性を引き出す。本稿では,時間信号をインシデント・インシデント・インシデント・インシデント・インシデントとして活用する新しいフレームワークであるROCKをReason O(A)bout Commonsense K(C)ausalityに提案する。
論文参考訳（メタデータ） (2022-01-31T06:12:39Z)
Towards Causal Representation Learning [96.110881654479]
機械学習とグラフィカル因果関係の2つの分野が生まれ、別々に発展した。現在、他分野の進歩の恩恵を受けるために、クロスポリン化と両方の分野への関心が高まっている。
論文参考訳（メタデータ） (2021-02-22T15:26:57Z)
Latent Causal Invariant Model [128.7508609492542]
現在の教師付き学習は、データ適合プロセス中に急激な相関を学習することができる。因果予測を求める潜在因果不変モデル(LaCIM)を提案する。
論文参考訳（メタデータ） (2020-11-04T10:00:27Z)
Learning Causal Semantic Representation for Out-of-Distribution Prediction [125.38836464226092]
因果推論に基づく因果意味生成モデル(CSG)を提案し,その2つの要因を別々にモデル化する。 CSGはトレーニングデータに適合させることで意味的因子を識別できることを示し、この意味的識別はOOD一般化誤差の有界性を保証する。
論文参考訳（メタデータ） (2020-11-03T13:16:05Z)
Causal Structure Learning: a Bayesian approach based on random graphs [0.0]
我々は、因果関係の存在に関する不確実性をモデル化するために、グラフの表現可能性を利用する。我々は、因果的環境との相互作用と学習を通して因果的構造を捉えるために、ベイズ的視点を採用する。
論文参考訳（メタデータ） (2020-10-13T04:13:06Z)

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。