論文の概要: A Counterfactual Analysis of the Dishonest Casino

• arxiv url: http://arxiv.org/abs/2405.15120v1
• Date: Fri, 24 May 2024 00:26:54 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-27 18:38:12.487888
• Title: A Counterfactual Analysis of the Dishonest Casino
• Title（参考訳）: 非正直なカジノのカウンターファクチュアル分析
• Authors: Martin Haugh, Raghav Singal,
• Abstract要約: 不名誉なカジノは、教育環境においてHMMとグラフィカルモデルを導入するためによく知られた隠れマルコフモデル(HMM)である。 本稿では,HMMプリミティブの範囲を超えて,カジノの不正行為にどの程度の勝利が寄与するかを考察する。
• 参考スコア（独自算出の注目度）: 2.447795279790662
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The dishonest casino is a well-known hidden Markov model (HMM) used in educational settings to introduce HMMs and graphical models. Here, a sequence of die rolls is observed, with the casino switching between a fair and a loaded die. Typically, the goal is to use the observed rolls to infer the pattern of fair and loaded dice, leading to filtering, smoothing, and Viterbi algorithms. This paper, however, explores how much of the winnings is attributable to the casino's cheating, a counterfactual question beyond the scope of HMM primitives. To address this, we introduce a structural causal model (SCM) consistent with the HMM and show that the expected winnings attributable to cheating (EWAC) can be bounded using linear programs (LPs). Through numerical experiments, we compute these bounds and develop intuition using benchmark SCMs based on independence, comonotonic, and counter-monotonic copulas. We show that tighter bounds are obtained with a time-homogeneity condition on the SCM, while looser bounds allow for an almost explicit LP solution. Domain-specific knowledge like pathwise monotonicity or counterfactual stability can be incorporated via linear constraints. Our work contributes to bounding counterfactuals in causal inference and is the first to develop LP bounds in a dynamic HMM setting, benefiting educational contexts where counterfactual inference is taught.
• Abstract（参考訳）: 不名誉なカジノは、教育環境においてHMMとグラフィカルモデルを導入するためによく知られた隠れマルコフモデル(HMM)である。 ここでは、カジノがフェアとロードダイの間で切替されるような一連のダイロールが観察される。 典型的には、観測されたロールを使用して、公正なダイスとロードされたダイスのパターンを推測し、フィルタリング、スムーズ化、ビタビアルゴリズムに繋がる。 しかし,本論文では,カジノの不正行為と,HMMプリミティブの範囲を超えた事実的問題との関連性について考察する。 そこで本研究では,HMMと整合した構造因果モデル(SCM)を導入し,線形プログラム(LP)を用いて,不正行為(EWAC)に起因する期待勝利を有界化できることを示す。 数値実験により、これらの境界を計算し、独立性、コモノトニック性、反モノトニック性コプラに基づくベンチマークSCMを用いて直観を発達させる。 より厳密な境界は、SCM上の時間均一性条件で得られるが、より緩い境界は、ほぼ明示的なLP解を可能にする。 経路的単調性や反現実的安定性のようなドメイン固有の知識は線形制約によって組み込むことができる。 我々の研究は、因果推論における反事実の有界化に寄与し、動的HMM設定でLP境界を初めて開発し、反事実推論が教えられる教育的文脈の恩恵を受ける。

関連論文リスト

• Cycles of Thought: Measuring LLM Confidence through Stable Explanations [53.15438489398938]
  大規模言語モデル(LLM)は、様々なベンチマークで人間レベルの精度に到達し、さらに超えることができるが、不正確な応答における過度な自信は、依然として十分に文書化された障害モードである。 本稿では,LLMの不確実性を測定するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-05T16:35:30Z)
• SGMM: Stochastic Approximation to Generalized Method of Moments [8.48870560391056]
  本稿では,モーメントの一般化法 (Generalized Method of Moments, SGMM) というアルゴリズムを導入し, モーメント制約モデルの推定と推定を行う。 我々のSGMMは、人気のあるHansen (1982) (オフライン) GMMの新たな近似であり、ストリーミングデータセットをリアルタイムに処理できる高速でスケーラブルな実装を提供する。
  論文  参考訳（メタデータ） (2023-08-25T00:22:45Z)
• Learning Hidden Markov Models Using Conditional Samples [72.20944611510198]
  本稿では,隠れマルコフモデル(HMM)の学習における計算複雑性について述べる。 本稿では,HMMの条件分布からサンプルを問合せする対話型アクセスモデルを提案する。 具体的には、正確な条件付き確率に対するクエリアクセスが可能な設定において、HMMを学習するための効率的なアルゴリズムを得る。
  論文  参考訳（メタデータ） (2023-02-28T16:53:41Z)
• Forward-Backward Latent State Inference for Hidden Continuous-Time semi-Markov Chains [28.275654187024376]
  HSMMで使用される非サンプリング型潜時状態推論は、潜時半マルコフ連鎖(CTSMC)に一般化可能であることを示す。 我々は、観測確率に調整された積分微分前方方程式と後方方程式を定式化し、ベイズ後縁辺の正確な積分方程式を導入する。 我々は,従来のHSMMと比較して,潜在状態推論のシナリオにおけるアプローチを評価する。
  論文  参考訳（メタデータ） (2022-10-17T13:01:14Z)
• Sparse Conditional Hidden Markov Model for Weakly Supervised Named Entity Recognition [68.68300358332156]
  雑音ラベリング機能を評価するために,スパース条件付き隠れマルコフモデル(Sparse-CHMM)を提案する。 Sparse-CHMMは、3段階のトレーニングパイプラインで教師なし学習によって最適化される。 5つの包括的なデータセットで平均F1スコアが3.01向上する。
  論文  参考訳（メタデータ） (2022-05-27T20:47:30Z)
• Learning Hidden Markov Models When the Locations of Missing Observations are Unknown [54.40592050737724]
  本研究では、未知の観測位置を持つデータからHMMを学習する際の一般的な問題について考察する。 我々は、下層の鎖の構造に関する仮定を一切必要としない再構成アルゴリズムを提供する。 適切な仕様の下では、プロセスのダイナミクスを再構築でき、また、見当たらない観測位置が分かっていたとしても、その有効性を示す。
  論文  参考訳（メタデータ） (2022-03-12T22:40:43Z)
• Markov Decision Process modeled with Bandits for Sequential Decision Making in Linear-flow [73.1896399783641]
  会員/加入者の獲得と保持では、複数のページを連続してマーケティングコンテンツを推奨する必要がある。 遷移確率行列をモデル化するためにBandits を用いた MDP としてこの問題を定式化することを提案する。 提案したMDPのBanditsアルゴリズムは,$epsilon$-greedyと$epsilon$-greedy,$epsilon$,IndependentBandits,InteractionBanditsでQ-learningを上回っている。
  論文  参考訳（メタデータ） (2021-07-01T03:54:36Z)
• Robust Classification using Hidden Markov Models and Mixtures of Normalizing Flows [25.543231171094384]
  我々は,隠れマルコフモデル(HMM)の状態遷移と,隠れたHMMの状態に対するニューラルネットワークに基づく確率分布を組み合わせた生成モデルを用いる。 音声認識への応用におけるNMM-HMM分類器の堅牢性の改善を検証する。
  論文  参考訳（メタデータ） (2021-02-15T00:40:30Z)
• Disentangling Observed Causal Effects from Latent Confounders using Method of Moments [67.27068846108047]
  我々は、軽度の仮定の下で、識別性と学習可能性に関する保証を提供する。 我々は,線形制約付き結合テンソル分解に基づく効率的なアルゴリズムを開発し,スケーラブルで保証可能な解を得る。
  論文  参考訳（メタデータ） (2021-01-17T07:48:45Z)
• DenseHMM: Learning Hidden Markov Models by Learning Dense Representations [0.0]
  本研究では,隠れ状態と観測可能性の両方の密表現を学習できる隠れマルコフモデル(hmms)の修正を提案する。 標準的なHMMと比較して、遷移確率は原子ではなく、カーネル化によるこれらの表現で構成されている。 DenseHMMの性質は、合成および生物医学的データセットで実証的に研究されている。
  論文  参考訳（メタデータ） (2020-12-17T17:48:27Z)

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。