論文の概要: PLN and NARS Often Yield Similar strength $\times$ confidence Given Highly Uncertain Term Probabilities

• arxiv url: http://arxiv.org/abs/2412.19524v1
• Date: Fri, 27 Dec 2024 08:31:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-30 17:26:53.298223
• Title: PLN and NARS Often Yield Similar strength $\times$ confidence Given Highly Uncertain Term Probabilities
• Title（参考訳）: PLN と NARS は、よく似た強度を$\times$ confidence given highly uncertain Term Probabilities
• Authors: Ben Goertzel,
• Abstract要約: 確率論的論理ネットワーク(PLN)と非公理的推論システム(NARS)の導出,誘導,導出式の比較を行った。 PLN と NARS の式は,高次確率不確実性を持つ多くの現実的状況において,推論の結論の力に対して非常によく似た結果を与える。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We provide a comparative analysis of the deduction, induction, and abduction formulas used in Probabilistic Logic Networks (PLN) and the Non-Axiomatic Reasoning System (NARS), two uncertain reasoning frameworks aimed at AGI. One difference between the two systems is that, at the level of individual inference rules, PLN directly leverages both term and relationship probabilities, whereas NARS only leverages relationship frequencies and has no simple analogue of term probabilities. Thus we focus here on scenarios where there is high uncertainty about term probabilities, and explore how this uncertainty influences the comparative inferential conclusions of the two systems. We compare the product of strength and confidence ($s\times c$) in PLN against the product of frequency and confidence ($f\times c$) in NARS (quantities we refer to as measuring the "power" of an uncertain statement) in cases of high term probability uncertainty, using heuristic analyses and elementary numerical computations. We find that in many practical situations with high term probability uncertainty, PLN and NARS formulas give very similar results for the power of an inference conclusion, even though they sometimes come to these similar numbers in quite different ways.
• Abstract（参考訳）: 本稿では,確率論理ネットワーク (PLN) と非公理推論システム (NARS) で使用される導出式, 帰納式, 帰納式の比較分析を行った。 2つのシステムの違いの1つは、PLNが項と関係確率の両方を直接利用しているのに対し、NARSは関係周波数のみを利用しており、項の確率の単純な類似点を持たないことである。 ここでは、項確率の不確実性が高いシナリオに注目し、この不確実性が2つのシステムの相対的推論結果にどのように影響するかを考察する。 PLNの強度と信頼の積(s\times c$)とNARSの周波数と信頼の積(f\times c$)を比較する(不確実な文の「パワー」を測る量)。 PLN と NARS の式は、非常に異なる方法でこれらの類似した数に現れるとしても、推論の結論の力に対して非常によく似た結果を与える。

関連論文リスト

• When can weak latent factors be statistically inferred? [5.195669033269619]
  本稿では、主成分分析(PCA)のための新しい包括的推定と推論理論を確立する。 我々の理論は断面次元$N$と時間次元$TT$の相対的な成長速度によらず適用可能である。 注目すべき技術的革新は、PCAベースの推定器のクローズドフォームの1次近似であり、様々な統計的テストの道を開くものである。
  論文  参考訳（メタデータ） (2024-07-04T03:59:52Z)
• To Believe or Not to Believe Your LLM [51.2579827761899]
  大規模言語モデル(LLM)における不確実性定量化について検討する。 疫学的な不確実性が大きい場合にのみ確実に検出できる情報理論の指標を導出する。 定式化の利点を実証する一連の実験を行う。
  論文  参考訳（メタデータ） (2024-06-04T17:58:18Z)
• BIRD: A Trustworthy Bayesian Inference Framework for Large Language Models [52.46248487458641]
  予測モデルは、現実世界のタスクで不完全な情報を扱う必要があることが多い。 現在の大規模言語モデル(LLM)は、そのような正確な推定には不十分である。 本稿では,新しい確率的推論フレームワークBIRDを提案する。
  論文  参考訳（メタデータ） (2024-04-18T20:17:23Z)
• Auditing Fairness under Unobserved Confounding [56.61738581796362]
  意外なことに、リスクの高い人に対する治療率の有意義な限界を計算できることが示されています。 現実の多くの環境では、リスクの偏りのない見積を導き出すために、アロケーションの前にデータを持っているという事実を使用します。
  論文  参考訳（メタデータ） (2024-03-18T21:09:06Z)
• Stable Probability Weighting: Large-Sample and Finite-Sample Estimation and Inference Methods for Heterogeneous Causal Effects of Multivalued Treatments Under Limited Overlap [0.0]
  異種因果効果を推定・推定するための実用的大サンプルおよび有限サンプル法を提案する。 安定確率重み付け(Stable Probability Weighting)という一般原理を考案する。 また、弱null仮説の一般クラスをテストするための新しい有限サンプル推論手法を提案する。
  論文  参考訳（メタデータ） (2023-01-13T18:52:18Z)
• The Unreasonable Effectiveness of Deep Evidential Regression [72.30888739450343]
  不確実性を考慮した回帰ベースニューラルネットワーク(NN)による新しいアプローチは、従来の決定論的手法や典型的なベイズ的NNよりも有望であることを示している。 我々は、理論的欠点を詳述し、合成および実世界のデータセットのパフォーマンスを分析し、Deep Evidential Regressionが正確な不確実性ではなく定量化であることを示す。
  論文  参考訳（メタデータ） (2022-05-20T10:10:32Z)
• When in Doubt: Neural Non-Parametric Uncertainty Quantification for Epidemic Forecasting [70.54920804222031]
  既存の予測モデルは不確実な定量化を無視し、誤校正予測をもたらす。 不確実性を考慮した時系列予測のためのディープニューラルネットワークの最近の研究にもいくつかの制限がある。 本稿では,予測タスクを確率的生成過程としてモデル化し,EPIFNPと呼ばれる機能的ニューラルプロセスモデルを提案する。
  論文  参考訳（メタデータ） (2021-06-07T18:31:47Z)
• Preferential Structures for Comparative Probabilistic Reasoning [2.0646127669654826]
  優先的アプローチの自然な修正は確率論的アプローチと全く同じ論理体系をもたらすことを示す。 非単調論理学や信念修正の研究で用いられるのと同じ優先構造は、相対確率論的推論の研究で用いられる。
  論文  参考訳（メタデータ） (2021-04-06T05:00:20Z)
• Handling Epistemic and Aleatory Uncertainties in Probabilistic Circuits [18.740781076082044]
  確率的推論の大規模クラスを扱うアプローチの背後にある独立性の仮定を克服する手法を提案する。 ベイズ学習のアルゴリズムは、完全な観察にもかかわらず、スパースから提供します。 そのような回路の各リーフは、不確実な確率を表すエレガントなフレームワークを提供するベータ分散ランダム変数でラベル付けされています。
  論文  参考訳（メタデータ） (2021-02-22T10:03:15Z)
• Multidimensional Uncertainty-Aware Evidential Neural Networks [21.716045815385268]
  非可逆性(OOD)検出問題を解決するために、WGAN-ENN(WENN)と呼ばれる新しい不確実性認識NNを提案する。 我々は、Wasserstein Generative Adrial Network(WGAN)とENNを組み合わせて、あるクラスの事前知識でモデルを共同で訓練するハイブリッドアプローチを採用した。 WENNによる不確実性の推定は、OODサンプルと境界サンプルを有意に区別するのに役立つことを実証した。
  論文  参考訳（メタデータ） (2020-12-26T04:28:56Z)
• Density of States Estimation for Out-of-Distribution Detection [69.90130863160384]
  DoSEは状態推定器の密度である。 我々は、他の教師なしOOD検出器に対するDoSEの最先端性能を実証する。
  論文  参考訳（メタデータ） (2020-06-16T16:06:25Z)

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。