論文の概要: Decoding Geometric Properties in Non-Random Data from First Information-Theoretic Principles
- arxiv url: http://arxiv.org/abs/2405.07803v1
- Date: Mon, 13 May 2024 14:45:08 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-14 13:15:58.840520
- Title: Decoding Geometric Properties in Non-Random Data from First Information-Theoretic Principles
- Title（参考訳）: 第一情報理論原理による非ランダムデータの幾何学的特性の復号化
- Authors: Hector Zenil, Felipe S. Abrahão,
- Abstract要約: 符号化理論に幅広い応用を施した一変量信号デコンボリューション法を提案する。
任意の受信信号からの多次元空間再構成法は符号化復号方式のvis-a-visであることが証明された。
非ランダムデータを復号化するためのこの最適かつ普遍的な手法は、信号処理、因果分解、位相的および幾何学的性質の符号化、暗号、バイオシグナチャおよびテクノシグネチャ検出に応用できると論じる。
- 参考スコア（独自算出の注目度）: 0.17265013728931003
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Based on the principles of information theory, measure theory, and theoretical computer science, we introduce a univariate signal deconvolution method with a wide range of applications to 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. Our multidimensional space reconstruction method from an arbitrary received signal is proven to be agnostic vis-a-vis the encoding-decoding scheme, computation model, programming language, formal theory, the computable (or semi-computable) method of approximation to algorithmic complexity, and any arbitrarily chosen (computable) probability measure of the events. The method derives from the principles of an approach to Artificial General Intelligence capable of building a general-purpose model of models independent of any arbitrarily assumed prior probability distribution. We argue that this optimal and universal method of decoding non-random data has applications to signal processing, causal deconvolution, topological and geometric properties encoding, cryptography, and bio- and technosignature detection.
- Abstract（参考訳）: 情報理論,測度理論,理論計算機科学の原理に基づいて,符号化理論への幅広い応用,特に,事前の知識が得られず,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解読など,ゼロ知識の一方向通信チャネルにおいて,一変量信号デコンボリューション手法を導入する。
任意の受信信号からの多次元空間再構成法は、符号化・復号方式、計算モデル、プログラミング言語、形式理論、計算可能(あるいは半計算可能)なアルゴリズム複雑性への近似法、任意の選択された事象の確率測度など、無知なvis-a-visであることが証明された。
この方法は、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ことができる人工知能へのアプローチの原理から導かれる。
非ランダムデータを復号するこの最適で普遍的な方法は、信号処理、因果分解、トポロジカルおよび幾何学的性質の符号化、暗号、バイオおよびテクノシグナチャ検出に応用できると論じる。
関連論文リスト
- Physics and geometry informed neural operator network with application to acoustic scattering [0.0]
任意の形状の散乱体に対する散乱圧力場を予測できる物理インフォームド・ディープ・オペレーター・ネットワーク(DeepONet)を提案する。
我々の訓練されたモデルは、物理的に一貫性のある散らばった圧力場を数秒で近似できる解演算子を学習することができる。
論文 参考訳（メタデータ） (2024-06-02T03:41:52Z) - 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) - An Optimal, Universal and Agnostic Decoding Method for Message Reconstruction, Bio and Technosignature Detection [0.15361702135159847]
本稿では,ゼロ知識ワンウェイ通信チャネルの信号再構成手法を提案する。
非ランダムメッセージが物理的特性に関する情報をエンコードする方法について検討する。
論文 参考訳（メタデータ） (2023-03-28T15:20:25Z) - Validation Diagnostics for SBI algorithms based on Normalizing Flows [55.41644538483948]
本研究は,NFに基づく多次元条件(後)密度推定器の検証診断を容易にすることを提案する。
また、局所的な一貫性の結果に基づいた理論的保証も提供する。
この作業は、より良い特定モデルの設計を支援したり、新しいSBIアルゴリズムの開発を促進するのに役立つだろう。
論文 参考訳（メタデータ） (2022-11-17T15:48:06Z) - A Quantum Algorithm for Computing All Diagnoses of a Switching Circuit [73.70667578066775]
ほとんどの人造システム、特にコンピュータは決定論的に機能する。
本稿では、量子物理学が確率法則に従うときの直観的なアプローチである量子情報理論による接続を提供する。
論文 参考訳（メタデータ） (2022-09-08T17:55:30Z) - 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) - 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) - Information Field Theory as Artificial Intelligence [0.0]
情報場理論(IFT)は、信号再構成と非パラメトリック逆問題のための数学的枠組みである。
本稿では, IFT における推論を GNN トレーニングの観点から再構成し, IFT と機械学習における数値変分推論手法の交叉受精について論じる。
論文 参考訳（メタデータ） (2021-12-19T12:29:01Z) - Logical Credal Networks [87.25387518070411]
本稿では,論理と確率を組み合わせた先行モデルの多くを一般化した表現的確率論的論理である論理的クレダルネットワークを紹介する。
本稿では,不確実性のあるマスターミンドゲームを解くこと,クレジットカード詐欺を検出することを含む,最大後部推論タスクの性能について検討する。
論文 参考訳（メタデータ） (2021-09-25T00:00:47Z) - Fractal Structure and Generalization Properties of Stochastic
Optimization Algorithms [71.62575565990502]
最適化アルゴリズムの一般化誤差は、その一般化尺度の根底にあるフラクタル構造の複雑性'にバウンドできることを示す。
さらに、特定の問題(リニア/ロジスティックレグレッション、隠れ/層ニューラルネットワークなど)とアルゴリズムに対して、結果をさらに専門化します。
論文 参考訳（メタデータ） (2021-06-09T08:05:36Z) - 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)
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。