論文の概要: How does the brain compute with probabilities?

• arxiv url: http://arxiv.org/abs/2409.02709v1
• Date: Sun, 1 Sep 2024 23:11:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-05 18:06:49.998448
• Title: How does the brain compute with probabilities?
• Title（参考訳）: 脳はどのように確率を計算しますか。
• Authors: Ralf M. Haefner, Jeff Beck, Cristina Savin, Mehrdad Salmasi, Xaq Pitkow,
• Abstract要約: この視点は、GAC(Generative Adversarial Collaboration)の成果であり、神経活動はどのように確率分布を表すのか?」という疑問に対処するものである。
• 参考スコア（独自算出の注目度）: 9.878232553789433
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This perspective piece is the result of a Generative Adversarial Collaboration (GAC) tackling the question `How does neural activity represent probability distributions?'. We have addressed three major obstacles to progress on answering this question: first, we provide a unified language for defining competing hypotheses. Second, we explain the fundamentals of three prominent proposals for probabilistic computations -- Probabilistic Population Codes (PPCs), Distributed Distributional Codes (DDCs), and Neural Sampling Codes (NSCs) -- and describe similarities and differences in that common language. Third, we review key empirical data previously taken as evidence for at least one of these proposal, and describe how it may or may not be explainable by alternative proposals. Finally, we describe some key challenges in resolving the debate, and propose potential directions to address them through a combination of theory and experiments.
• Abstract（参考訳）: この視点は、GAC(Generative Adversarial Collaboration)が「神経活動はどのように確率分布を表すのか?」という疑問に対処した結果である。 まず、競合する仮説を定義するための統一言語を提供する。 第二に、確率的計算に関する3つの顕著な提案 - 確率的人口コード(PPC)、分散分散コード(DDC)、ニューラルサンプリングコード(NSC) - の基本を説明し、その共通言語における類似点と相違点を説明する。 第3に、これらの提案の少なくとも1つの証拠として以前に取られた重要な実証データをレビューし、代替提案によってどのように説明できるか、あるいは説明できないかを説明する。 最後に、議論を解決する上でのいくつかの重要な課題を説明し、理論と実験の組み合わせによってそれらに取り組むための潜在的な方向性を提案する。

関連論文リスト

• Graph Stochastic Neural Process for Inductive Few-shot Knowledge Graph Completion [63.68647582680998]
  I-FKGC(inductive few-shot knowledge graph completion)と呼ばれる課題に焦点をあてる。 帰納的推論(inductive reasoning)の概念に着想を得て,I-FKGCを帰納的推論問題とした。 本稿では,仮説の連成分布をモデル化したニューラルプロセスに基づく仮説抽出器を提案する。 第2のモジュールでは、この仮説に基づいて、クエリセットのトリプルが抽出された仮説と一致するかどうかをテストするグラフアテンションベースの予測器を提案する。
  論文  参考訳（メタデータ） (2024-08-03T13:37:40Z)
• Three Conjectures on Unexpectedeness [0.5874142059884521]
  本稿では,3つの理論的予想の土台を定めている。 第一に、予期せぬことはベイズの規則の一般化と見なすことができる。 第2に、予期せぬ頻繁なコアは、世界のエルゴード的特性を追跡する機能に関連付けられる。
  論文  参考訳（メタデータ） (2023-11-15T08:24:41Z)
• ACQUIRED: A Dataset for Answering Counterfactual Questions In Real-Life Videos [53.92440577914417]
  ACQUIREDは3.9Kの注釈付きビデオで構成され、幅広いイベントタイプを包含し、ファーストパーソンとサードパーソンの両方の視点を取り入れている。 各ビデオは、物理的、社会的、時間的な3つの異なる推論の次元にまたがる質問で注釈付けされている。 我々は,現在最先端の言語のみおよびマルチモーダルモデルに対して,我々のデータセットをベンチマークし,実験結果から大きな性能差が示された。
  論文  参考訳（メタデータ） (2023-11-02T22:17:03Z)
• What is \textit{Quantum} in Probabilistic Explanations of the Sure Thing Principle Violation? [0.0]
  囚人のジレンマゲーム(PDG)は、人間の意思決定過程の確率論的性質の単純なテストベッドの1つである。 量子確率モデルは、この違反を二階干渉効果として説明できる。 意思決定プロセスにおける他の量子情報理論量(量子絡み合いなど)の役割について論じる。
  論文  参考訳（メタデータ） (2023-06-21T00:01:01Z)
• Neural Causal Models for Counterfactual Identification and Estimation [62.30444687707919]
  本稿では,ニューラルモデルによる反事実文の評価について検討する。 まず、神経因果モデル(NCM)が十分に表現可能であることを示す。 第2に,反事実分布の同時同定と推定を行うアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-09-30T18:29:09Z)
• Bounding Counterfactuals under Selection Bias [60.55840896782637]
  本稿では,識別不能なクエリと識別不能なクエリの両方に対処するアルゴリズムを提案する。 選択バイアスによって引き起こされる欠如にもかかわらず、利用可能なデータの可能性は無限であることを示す。
  論文  参考訳（メタデータ） (2022-07-26T10:33:10Z)
• An Interpretable Neuro-Symbolic Reasoning Framework for Task-Oriented Dialogue Generation [21.106357884651363]
  我々は,モデル決定を推論チェーンで正当化する明示的推論を行うために,ニューロシンボリックを導入する。 仮説生成器と推論器からなる2相手法を提案する。 システム全体は、推論チェーンアノテーションを使わずに、生のテキスト対話を利用して訓練される。
  論文  参考訳（メタデータ） (2022-03-11T10:44:08Z)
• Coalitional Bayesian Autoencoders -- Towards explainable unsupervised deep learning [78.60415450507706]
  その結果,BAEの予測は高い相関関係にあり,誤解を招くことが示唆された。 これを軽減するために、エージェントベースのシステム理論にインスパイアされた"Coalitional BAE"が提案されている。 公開条件監視データセットに関する実験は、Coalitional BAEを用いた説明の質の向上を実証している。
  論文  参考訳（メタデータ） (2021-10-19T15:07:09Z)
• Nested Counterfactual Identification from Arbitrary Surrogate Experiments [95.48089725859298]
  観測と実験の任意の組み合わせからネスト反事実の同定について検討した。 具体的には、任意のネストされた反事実を非ネストされたものへ写像できる反ファクト的非ネスト定理(英語版)(CUT)を証明する。
  論文  参考訳（メタデータ） (2021-07-07T12:51:04Z)
• DISSECT: Disentangled Simultaneous Explanations via Concept Traversals [33.65478845353047]
  DISSECTは、ディープラーニングモデル推論を説明するための新しいアプローチである。 DISSECTは、分類器の信号から生成モデルを訓練することにより、異なる概念の分類器固有の「名詞」を発見する方法を提供する。 DISSECTは,複数の概念を分離し,共同訓練による推論と結合したCTを生成する。
  論文  参考訳（メタデータ） (2021-05-31T17:11:56Z)
• Probabilistic Reasoning across the Causal Hierarchy [10.138180861883635]
  私たちの言語は厳格に表現力を高めている。 それぞれの言語に対する満足度と妥当性は空間的に決定可能であることを示す。
  論文  参考訳（メタデータ） (2020-01-09T08:52:14Z)

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。