論文の概要: Belief Revision from Probability

• arxiv url: http://arxiv.org/abs/2307.05632v1
• Date: Tue, 11 Jul 2023 07:11:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-13 15:46:30.388834
• Title: Belief Revision from Probability
• Title（参考訳）: 確率からの信念
• Authors: Jeremy Goodman (University of Southern California), Bernhard Salow (University of Oxford)
• Abstract要約: 我々は、信念の質問相対的で確率的な説明を開発する。 検証した原理は、AGMのような信念修正の正統論の原則よりもはるかに弱いことを示す。 我々は、現在の枠組みは、ライトゲブとリンとケリーによって開発された信念のライバルの確率論的説明と好意的に比較して結論付ける。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In previous work ("Knowledge from Probability", TARK 2021) we develop a question-relative, probabilistic account of belief. On this account, what someone believes relative to a given question is (i) closed under entailment, (ii) sufficiently probable given their evidence, and (iii) sensitive to the relative probabilities of the answers to the question. Here we explore the implications of this account for the dynamics of belief. We show that the principles it validates are much weaker than those of orthodox theories of belief revision like AGM, but still stronger than those valid according to the popular Lockean theory of belief, which equates belief with high subjective probability. We then consider a restricted class of models, suitable for many but not all applications, and identify some further natural principles valid on this class. We conclude by arguing that the present framework compares favorably to the rival probabilistic accounts of belief developed by Leitgeb and by Lin and Kelly.
• Abstract（参考訳）: これまでの研究("Knowledge from Probability", TARK 2021)において、我々は信念の疑問にかかわる確率論的考察を発展させた。 この点において、ある質問に対する相対的な信念は、 (i)係りの閉店 (ii)その証拠を考えると十分あり得ること、及び (iii)質問に対する回答の相対的確率に敏感である。 ここでは、信念のダイナミクスに対するこの説明の意味を考察する。 検証した原理は、AGMのような正統的な信念修正の理論よりもはるかに弱いが、一般的なロッキーン信仰理論によれば、信念を高い主観的確率と同一視する理論よりも依然として強いことが示される。 そして、多くのアプリケーションに適しているが全てのアプリケーションに適している制限されたモデルのクラスを検討し、このクラスで有効ないくつかの自然な原則を特定します。 結論として,本フレームワークは,leitgeb と lin と kelly によって開発された,ライバルの確率論的信念と好意的に比較される。

関連論文リスト

• Machine Learning of the Prime Distribution [49.84018914962972]
  素数の可学習性に関するヤン・フイ・ヘの実験的な観察を説明する理論的論証を提供する。 我々はまた、ErdHos-Kac法が現在の機械学習技術によって発見される可能性は極めて低いと仮定している。
  論文  参考訳（メタデータ） (2024-03-19T09:47:54Z)
• 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)
• A Belief Model for Conflicting and Uncertain Evidence -- Connecting Dempster-Shafer Theory and the Topology of Evidence [8.295493796476766]
  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。
  論文  参考訳（メタデータ） (2023-06-06T09:30:48Z)
• Combining Predictions under Uncertainty: The Case of Random Decision Trees [2.322689362836168]
  決定ツリーのアンサンブルにおける分類推定を集約する一般的なアプローチは、投票または各クラスの確率を平均化することである。 本稿では,いくつかの代替予測手法について検討する。 我々の手法は確率、信念関数、信頼できる分類の理論にインスパイアされている。
  論文  参考訳（メタデータ） (2022-08-15T18:36:57Z)
• The intersection probability: betting with probability intervals [7.655239948659381]
  本稿では,不確実性に対する幾何学的アプローチの枠組みにおいて,元来は信念関数に導かれる変換である交叉確率の利用を提案する。 本稿では,確率区間に関する意思決定の枠組みについて概説する。
  論文  参考訳（メタデータ） (2022-01-05T17:35:06Z)
• Bayesianism, Conditional Probability and Laplace Law of Succession in Quantum Mechanics [0.0]
  古典的確率と同様に、これらの問題は量子確率において肯定的に解決できることが示される。 これは、量子力学におけるベイズ確率と相対周波数の関係が古典的確率論のそれと同じであることを意味する。
  論文  参考訳（メタデータ） (2021-12-16T04:55:10Z)
• Knowledge from Probability [0.0]
  本研究では,未来に関する知識,自然法則,不正確に測定された量の値に関する予測について検討する。 この分析は、比較正規性の関係とそれらの関係の確率論的還元という観点から定式化された知識と信念の理論を組み合わせたものである。 それは、非常に可能性の高い命題だけが信じられていると予測し、多くの広く保持されている信条改正の原則は失敗する。
  論文  参考訳（メタデータ） (2021-06-22T02:46:22Z)
• Don't Just Blame Over-parametrization for Over-confidence: Theoretical Analysis of Calibration in Binary Classification [58.03725169462616]
  理論上は、過剰パラメトリゼーションは過剰信頼の唯一の理由ではない。 我々は、ロジスティック回帰は本質的に信頼過剰であり、実現可能で、非パラメータな設定であることを示す。 おそらく驚くことに、過剰な信頼が常にそうであるとは限らないことも示します。
  論文  参考訳（メタデータ） (2021-02-15T21:38:09Z)
• On Focal Loss for Class-Posterior Probability Estimation: A Theoretical Perspective [83.19406301934245]
  まず、焦点損失が分類校正されたこと、すなわち、最小化器がベイズ最適分類器を確実に得ることを証明する。 すると、焦点損失が厳密には適切でないことを証明し、すなわち、分類器の信頼性スコアが真のクラス後確率と一致しない。 提案手法は,クラス後確率推定の精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2020-11-18T09:36:52Z)
• 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。