論文の概要: Controlled Causal Hallucinations Can Estimate Phantom Nodes in Multiexpert Mixtures of Fuzzy Cognitive Maps
- arxiv url: http://arxiv.org/abs/2501.00673v1
- Date: Tue, 31 Dec 2024 23:01:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-05 17:13:06.073282
- Title: Controlled Causal Hallucinations Can Estimate Phantom Nodes in Multiexpert Mixtures of Fuzzy Cognitive Maps
- Title（参考訳）: ファジィ認知マップのマルチエキスパート混合におけるファントムノード推定のための制御された因果幻覚
- Authors: Akash Kumar Panda, Bart Kosko,
- Abstract要約: フィードバック因果モデルの適応的マルチエキスパート混合は、大規模因果モデルにおいて欠落ノードや幻ノードを近似することができる。
混合モデルは、その主極限サイクル平衡を近似することでサンプリングされた力学系を近似する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: An adaptive multiexpert mixture of feedback causal models can approximate missing or phantom nodes in large-scale causal models. The result gives a scalable form of \emph{big knowledge}. The mixed model approximates a sampled dynamical system by approximating its main limit-cycle equilibria. Each expert first draws a fuzzy cognitive map (FCM) with at least one missing causal node or variable. FCMs are directed signed partial-causality cyclic graphs. They mix naturally through convex combination to produce a new causal feedback FCM. Supervised learning helps each expert FCM estimate its phantom node by comparing the FCM's partial equilibrium with the complete multi-node equilibrium. Such phantom-node estimation allows partial control over these causal hallucinations and helps approximate the future trajectory of the dynamical system. But the approximation can be computationally heavy. Mixing the tuned expert FCMs gives a practical way to find several phantom nodes and thereby better approximate the feedback system's true equilibrium behavior.
- Abstract（参考訳）: フィードバック因果モデルの適応的マルチエキスパート混合は、大規模因果モデルにおいて欠落ノードや幻ノードを近似することができる。
その結果、スケーラブルな形式の 'emph{big knowledge} が得られる。
混合モデルは、その主極限サイクル平衡を近似することでサンプリングされた力学系を近似する。
各専門家はまず、少なくとも1つの因果ノードまたは変数が欠けているファジィ認知マップ(FCM)を描画する。
FCMは符号付き部分因数巡回グラフである。
それらは自然に凸結合を通して混合され、新しい因果フィードバックFCMを生成する。
教師付き学習は、FCMの部分平衡と完全なマルチノード平衡を比較することにより、各専門家がファントムノードを推定するのに役立つ。
このような幻極推定は、これらの因果幻覚の部分的な制御を可能にし、力学系の将来の軌跡を近似するのに役立つ。
しかし近似は計算的に重い。
チューニングされたエキスパートFCMを混合することで、いくつかのファントムノードを見つけ出し、フィードバックシステムの真の平衡挙動をよりよく近似する実用的な方法が得られる。
関連論文リスト
- A Floquet analysis perspective of driven light-matter interaction models [0.0]
時間依存ハミルトニアンとフロケ理論の両方の数値積分を用いて調和駆動のJaynes-CummingsとLipkin-Meshkov-Glickモデルを解析する。
前者のモデルにおける駆動と内在的ラビ振動の時間スケールの分離のために、駆動は有効周期反転する。
駆動リプキン-メシュコフ-グリック模型のカオス的な性質にもかかわらず、適度なシステムサイズは様々なシステムパラメータの下で質的に異なる振る舞いを示すことができる。
論文 参考訳（メタデータ） (2024-03-26T16:53:32Z) - Graph Signal Sampling for Inductive One-Bit Matrix Completion: a
Closed-form Solution [112.3443939502313]
グラフ信号解析と処理の利点を享受する統合グラフ信号サンプリングフレームワークを提案する。
キーとなる考え方は、各ユーザのアイテムのレーティングをアイテムイットグラフの頂点上の関数(信号)に変換することである。
オンライン設定では、グラフフーリエ領域における連続ランダムガウス雑音を考慮したベイズ拡張(BGS-IMC)を開発する。
論文 参考訳（メタデータ） (2023-02-08T08:17:43Z) - A Non-Asymptotic Analysis of Oversmoothing in Graph Neural Networks [33.35609077417775]
非漸近解析により,この現象の背後にあるメカニズムを特徴づける。
混合効果がデノナイジング効果を支配し始めると,過スムージングが生じることを示す。
以上の結果から,PPRは深い層での過度なスムース化を緩和するが,PPRベースのアーキテクチャは依然として浅い深さで最高の性能を発揮することが示唆された。
論文 参考訳（メタデータ） (2022-12-21T00:33:59Z) - Lightweight and Flexible Deep Equilibrium Learning for CSI Feedback in
FDD Massive MIMO [13.856867175477042]
広帯域多重出力(MIMO)システムでは、ダウンリンクチャネル状態情報(CSI)をベースステーション(BS)に送信する必要がある。
本稿では,深層平衡モデルを用いた軽量で柔軟な深層学習に基づくCSIフィードバック手法を提案する。
論文 参考訳（メタデータ） (2022-11-28T05:53:09Z) - Slow semiclassical dynamics of a two-dimensional Hubbard model in
disorder-free potentials [77.34726150561087]
調和およびスピン依存線形ポテンシャルの導入は、fTWAを長期間にわたって十分に検証することを示した。
特に、有限2次元系に着目し、中間線形ポテンシャル強度において、高調波ポテンシャルの追加と傾きのスピン依存が、亜拡散力学をもたらすことを示す。
論文 参考訳（メタデータ） (2022-10-03T16:51:25Z) - Digital Quantum Simulation, Learning of the Floquet Hamiltonian, and
Quantum Chaos of the Kicked Top [0.0]
蹴られたトップは、量子カオスの研究におけるパラダイムモデルの1つである。
キックトトップにおける量子カオスの開始は、デジタル量子シミュレーションにおけるトロッター誤差の拡散に関連している。
本稿では,最近開発されたハミルトン学習プロトコルを用いて,Stroboscopic dynamicsのジェネレータを再構築する方法について述べる。
論文 参考訳（メタデータ） (2022-08-29T19:02:21Z) - Fat-Tailed Variational Inference with Anisotropic Tail Adaptive Flows [53.32246823168763]
脂肪尾密度は、一般に、ロバストモデルとスケール混合における後縁および辺縁分布として生じる。
我々はまず、尾が尾崩壊の速度にどのように影響するかを定量化することで、リプシッツフローの尾に関する以前の理論を改善した。
次に、テール異方性に敏感なテールパラメータの代替理論を開発する。
論文 参考訳（メタデータ） (2022-05-16T18:03:41Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳（メタデータ） (2021-11-15T09:08:27Z) - Multipoint correlation functions: spectral representation and numerical
evaluation [0.0]
多体フレームワークに適用可能な多点相関関数に対する一般化スペクトル表現を導出する。
本手法は時間順序特性からスペクトルを分離し、3つの形式主義の関係を解明する。
数値再正規化群 (NRG) 法を用いて, 選択した量子不純物モデルに対する数値結果を示す。
論文 参考訳（メタデータ） (2021-01-03T21:35:56Z) - Shaping Deep Feature Space towards Gaussian Mixture for Visual
Classification [74.48695037007306]
視覚分類のためのディープニューラルネットワークのためのガウス混合損失関数(GM)を提案する。
分類マージンと可能性正規化により、GM損失は高い分類性能と特徴分布の正確なモデリングの両方を促進する。
提案したモデルは、追加のトレーニング可能なパラメータを使わずに、簡単かつ効率的に実装できる。
論文 参考訳（メタデータ） (2020-11-18T03:32:27Z) - A Rigorous Link Between Self-Organizing Maps and Gaussian Mixture Models [78.6363825307044]
本研究は、自己組織化マップ(SOM)とガウス混合モデル(GMM)の関係を数学的に扱うものである。
我々は,エネルギーベースSOMモデルを勾配勾配下降と解釈できることを示した。
このリンクはSOMsを生成確率モデルとして扱うことができ、SOMsを使用して外れ値を検出したりサンプリングしたりするための正式な正当性を与える。
論文 参考訳（メタデータ） (2020-09-24T14:09:04Z)
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。