Fugu-MT 論文翻訳(概要): Reasoning about unpredicted change and explicit time

論文の概要: Reasoning about unpredicted change and explicit time

arxiv url: http://arxiv.org/abs/2407.06622v1
Date: Tue, 9 Jul 2024 07:49:57 GMT
ステータス: 処理完了
システム内更新日: 2024-07-10 18:56:02.877934
Title: Reasoning about unpredicted change and explicit time
Title（参考訳）: 予測外の変化と明示時間に関する推論
Authors: Florence Dupin de Saint-Cyr, Jérôme Lang,
Abstract要約: 予測外の変化に関する推論は、出来事による観察を説明することである。本稿では,流れの真理値の変化にともなう単純な事象である,驚きによる時間スタンプ観測を説明するためのアプローチを提案する。
参考スコア（独自算出の注目度）: 10.220888127527152
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Reasoning about unpredicted change consists in explaining observations by events; we propose here an approach for explaining time-stamped observations by surprises, which are simple events consisting in the change of the truth value of a fluent. A framework for dealing with surprises is defined. Minimal sets of surprises are provided together with time intervals where each surprise has occurred, and they are characterized from a model-based diagnosis point of view. Then, a probabilistic approach of surprise minimisation is proposed.
Abstract（参考訳）: 予測不能な変化についての推論は,事象による観測を説明することから構成される。ここでは,流れの真理値の変化からなる単純な事象である,驚きによる時間スタンプ観測を説明するためのアプローチを提案する。サプライズを扱うためのフレームワークが定義されています。最小のサプライズセットは、各サプライズが発生した時間間隔と共に提供され、モデルに基づく診断の観点から特徴付けられる。次に、サプライズ最小化の確率論的アプローチを提案する。

関連論文リスト

Classical Statistical (In-Sample) Intuitions Don't Generalize Well: A Note on Bias-Variance Tradeoffs, Overfitting and Moving from Fixed to Random Designs [11.893324664457548]
古典統計学の教科書で教えられている直観と相反する行動が現在観察されている別の理由が示されている。固定されたデザインからランダムなデザインへのこの単純な動きは、教科書の直観に遠く及ばない結果をもたらすことを強調する。
論文参考訳（メタデータ） (2024-09-27T15:36:24Z)
Combination of Weak Learners eXplanations to Improve Random Forest eXplicability Robustness [0.0]
XAIにおけるロバスト性の概念は、学習モデルの予測に関する説明において観察されたバリエーションを指す。我々は,アンサンブルを識別的平均化することで,弱い学習者の説明が組み合わさることで,アンサンブル法における説明の堅牢性を向上させることができると主張している。
論文参考訳（メタデータ） (2024-02-29T10:37:40Z)
Tracking Changing Probabilities via Dynamic Learners [0.18648070031379424]
非定常性に応答するスパース・マルチクラス移動平均手法をタイムリーに開発する。 1つのテクニックは指数移動平均(EMA)に基づいており、もう1つは数個のスナップショットのキューに基づいている。
論文参考訳（メタデータ） (2024-02-15T17:48:58Z)
Performative Time-Series Forecasting [71.18553214204978]
我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
論文参考訳（メタデータ） (2023-10-09T18:34:29Z)
Ensembled Prediction Intervals for Causal Outcomes Under Hidden Confounding [49.1865229301561]
本稿では,既存の因果感受性モデルを用いた部分同定手法を提案し,Caus-Modensがより厳密な結果区間を与えることを示す。 3つの異なるベンチマークのうち最後のものは、未知だが探究可能な基底真理を持つ観測実験にGPT-4を新たに使用することである。
論文参考訳（メタデータ） (2023-06-15T21:42:40Z)
Hybrid Predictive Coding: Inferring, Fast and Slow [62.997667081978825]
本稿では,反復型と償却型の両方を原則的に組み合わせたハイブリッド予測符号化ネットワークを提案する。我々は,本モデルが本質的に不確実性に敏感であり,最小計算費用を用いて正確な信念を得るためにバランスを適応的にバランスさせることを実証した。
論文参考訳（メタデータ） (2022-04-05T12:52:45Z)
Dense Uncertainty Estimation via an Ensemble-based Conditional Latent Variable Model [68.34559610536614]
我々は、アレータリック不確実性はデータの固有の特性であり、偏見のないオラクルモデルでのみ正確に推定できると論じる。そこで本研究では,軌道不確実性推定のためのオラクルモデルを近似するために,列車時の新しいサンプリングと選択戦略を提案する。以上の結果から,提案手法は精度の高い決定論的結果と確実な不確実性推定の両方を達成できることが示唆された。
論文参考訳（メタデータ） (2021-11-22T08:54:10Z)
Surprise Minimization Revision Operators [7.99536002595393]
本稿では, 先行する信念に関して, 相対的サプライズ(相対的サプライズ)とよばれるサプライズ尺度を提案する。そこで我々は,AGMモールドの直感的な仮定を用いて定義したサプライズ最小化修正演算子を特徴付ける。
論文参考訳（メタデータ） (2021-11-21T20:38:50Z)
The Struggles of Feature-Based Explanations: Shapley Values vs. Minimal Sufficient Subsets [61.66584140190247]
機能に基づく説明は、自明なモデルでも問題を引き起こすことを示す。そこで本研究では,2つの一般的な説明書クラスであるシェープリー説明書と十分最小限の部分集合説明書が,基本的に異なる基底的説明書のタイプをターゲットにしていることを示す。
論文参考訳（メタデータ） (2020-09-23T09:45:23Z)
Learning Disentangled Representations with Latent Variation Predictability [102.4163768995288]
本稿では,潜在不整合表現の変動予測可能性について述べる。逆生成プロセス内では、潜時変動と対応する画像対の相互情報を最大化することにより、変動予測可能性を高める。本研究では,潜在表現の絡み合いを測るために,基礎的構造的生成因子に依存しない評価指標を開発する。
論文参考訳（メタデータ） (2020-07-25T08:54:26Z)

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。