論文の概要: Toward Design of Synthetic Active Inference Agents by Mere Mortals

• arxiv url: http://arxiv.org/abs/2307.14145v1
• Date: Wed, 26 Jul 2023 12:20:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-27 12:30:56.288675
• Title: Toward Design of Synthetic Active Inference Agents by Mere Mortals
• Title（参考訳）: 単なる死滅による合成能動推論剤の設計に向けて
• Authors: Bert de Vries
• Abstract要約: 我々は、能動的推論エージェントを開発するために、有能な非専門家エンジニアをサポートするソフトウェアツールボックスに必要な機能について議論する。 本稿では,ディープラーニング技術の推進的応用と同じような方法で,アクティブ推論エージェントの民主化を加速することを目的としたツールボックス・イン・プログレスを提案する。
• 参考スコア（独自算出の注目度）: 4.1423579563037505
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The theoretical properties of active inference agents are impressive, but how do we realize effective agents in working hardware and software on edge devices? This is an interesting problem because the computational load for policy exploration explodes exponentially, while the computational resources are very limited for edge devices. In this paper, we discuss the necessary features for a software toolbox that supports a competent non-expert engineer to develop working active inference agents. We introduce a toolbox-in-progress that aims to accelerate the democratization of active inference agents in a similar way as TensorFlow propelled applications of deep learning technology.
• Abstract（参考訳）: アクティブ推論エージェントの理論的特性は印象的だが,エッジデバイス上での動作ハードウェアやソフトウェアにおいて有効なエージェントを実現するにはどうすればよいのか? これは、ポリシー探索の計算負荷が指数関数的に爆発するのに対して、計算リソースはエッジデバイスでは非常に限られているため、興味深い問題である。 本稿では,能動型推論エージェントを開発するために,熟練者以外の技術者を支援するソフトウェアツールボックスに必要な機能について論じる。 tensorflowがディープラーニング技術の応用を促進するのと同じように、アクティブな推論エージェントの民主化を加速するツールボックス・イン・プログレッシブを導入する。

関連論文リスト

• Uncertainty Estimation in Multi-Agent Distributed Learning for AI-Enabled Edge Devices [0.0]
  エッジIoTデバイスはFPGAとAIアクセラレータの導入によってパラダイムシフトを経験している。 この進歩は、エッジAIの実用性を強調し、その計算能力を大幅に増幅した。 本研究では,AI対応エッジデバイスによる分散データ処理を実現する手法について検討し,協調学習能力を向上する。
  論文  参考訳（メタデータ） (2024-03-14T07:40:32Z)
• Active Predicting Coding: Brain-Inspired Reinforcement Learning for Sparse Reward Robotic Control Problems [79.07468367923619]
  ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。 我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。 提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-19T16:49:32Z)
• Constrained Reinforcement Learning for Robotics via Scenario-Based Programming [64.07167316957533]
  DRLをベースとしたエージェントの性能を最適化し,その動作を保証することが重要である。 本稿では,ドメイン知識を制約付きDRLトレーニングループに組み込む新しい手法を提案する。 我々の実験は、専門家の知識を活用するために我々のアプローチを用いることで、エージェントの安全性と性能が劇的に向上することを示した。
  論文  参考訳（メタデータ） (2022-06-20T07:19:38Z)
• pymdp: A Python library for active inference in discrete state spaces [52.85819390191516]
  pymdpはPythonでアクティブな推論をシミュレートするオープンソースパッケージである。 我々は,POMDPによるアクティブな推論をシミュレートする,最初のオープンソースパッケージを提供する。
  論文  参考訳（メタデータ） (2022-01-11T12:18:44Z)
• Realistic simulation of users for IT systems in cyber ranges [63.20765930558542]
  ユーザアクティビティを生成するために,外部エージェントを用いて各マシンを計測する。 このエージェントは、決定論的および深層学習に基づく手法を組み合わせて、異なる環境に適応する。 また,会話や文書の作成を容易にする条件付きテキスト生成モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T10:53:29Z)
• Multi-Agent Algorithmic Recourse [7.23389716633927]
  一つのエージェント環境の仮定が緩和された場合、アルゴリズム的リコースへの現在のアプローチは、ある倫理的に望ましい性質を保証するのに失敗することを示す。 我々は,マルチエージェント環境下でのアルゴリズム的リコースを実現するための,ゲーム理論にインスパイアされた新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-01T22:54:47Z)
• Automated Machine Learning, Bounded Rationality, and Rational Metareasoning [62.997667081978825]
  有界合理性の観点から、自動機械学習(AutoML)と関連する問題を考察する。 リソース境界の下でアクションを取るには、エージェントがこれらのリソースを最適な方法で利用する方法を反映する必要がある。
  論文  参考訳（メタデータ） (2021-09-10T09:10:20Z)
• Towards AIOps in Edge Computing Environments [60.27785717687999]
  本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。 高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
  論文  参考訳（メタデータ） (2021-02-12T09:33:00Z)
• Reliable Fleet Analytics for Edge IoT Solutions [0.0]
  AIoTアプリケーションのエッジで機械学習を容易にするためのフレームワークを提案する。 コントリビューションは、大規模にフリート分析を提供するためのサービス、ツール、メソッドを含むアーキテクチャである。 本稿では,大学キャンパスの部屋でiotデバイスを用いた実験を行うことで,フレームワークの予備検証を行う。
  論文  参考訳（メタデータ） (2021-01-12T11:28:43Z)
• Cost-effective Machine Learning Inference Offload for Edge Computing [0.3149883354098941]
  本稿では,インストール・ベース・オンプレミス(edge)計算資源を活用した新しいオフロード機構を提案する。 提案するメカニズムにより、エッジデバイスは、リモートクラウドを使用する代わりに、重い計算集約的なワークロードをエッジノードにオフロードすることができる。
  論文  参考訳（メタデータ） (2020-12-07T21:11:02Z)

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。