論文の概要: Formalizing contextuality in sequential scenarios
- arxiv url: http://arxiv.org/abs/2509.14125v1
- Date: Wed, 17 Sep 2025 16:04:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-18 18:41:50.913154
- Title: Formalizing contextuality in sequential scenarios
- Title（参考訳）: 逐次シナリオにおける文脈性の形式化
- Authors: Kim Vallée, Damian Markham,
- Abstract要約: 本稿では,経験的データに対する文脈性の識別を可能にする,逐次シナリオを特徴付けるためのフレームワークを提供する。
違反は、この意味において決定的かつ邪魔にならない隠れ変数モデルでは、データが説明できないことを意味していることを示す。
- 参考スコア（独自算出の注目度）: 1.0312968200748116
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper provides a framework for characterizing sequential scenarios, allowing for the identification of contextuality given empirical data, and then provides precise operational interpretations in terms of the possible hidden variable model explanations of that data. Sequential scenarios are different in essence from non-local scenarios as each measurement instrument is allowed to change the state as it enters subsequent measurement instruments. Thus, it is necessary to formulate the possible state update in any hidden variable model description. Here we develop such hidden variable models for sequential scenarios, and we propose the notion of no-disturbance: an instrument $A$ does not disturb another instrument $B$ if the statistics of $B$ are independent of whether $A$ was measured or not. We define non-contextuality inequalities for the sequential scenario, and show that violation implies that the data cannot be explained by a hidden variable model that is both deterministic and not disturbing in this sense. We further provide a translation from standard contextuality frameworks to ours, providing sequential versions which carry over the same inequalities and measures of contextuality, but now with the sequential interpretations stated.
- Abstract（参考訳）: 本稿では,経験的データに対する文脈性の識別が可能な逐次シナリオを特徴付けるためのフレームワークを提供し,そのデータに対する隠れ変数モデル説明の観点から,正確な操作的解釈を提供する。
連続的なシナリオは、各測定器がその後の測定器に入ると状態を変えることができるため、本質的に非局所的なシナリオとは異なる。
したがって、隠れた変数モデル記述で可能な状態更新を定式化する必要がある。
楽器$A$が他の楽器$B$を乱さない場合、$B$の統計値が$A$が測定されたかどうかに関わらず独立である場合、$B$は別の楽器$B$を乱さない。
逐次シナリオの非コンテクスト性不等式を定義し、この意味では、決定論的かつ邪魔にならない隠れ変数モデルでは、データが説明できないことを示す。
さらに、標準的な文脈性フレームワークから私たちのものへの変換を提供し、同じ不等式と文脈性の測定を行うシーケンシャルバージョンを提供するが、現在では、シーケンシャルな解釈が述べられている。
関連論文リスト
- Counterfactual Scenarios for Automated Planning [12.720308658692892]
Counterfactual Explanations (CE) は機械学習モデルを説明するための強力なテクニックである。
本稿では,反現実的シナリオに基づく新しい説明パラダイムを提案する。
対実シナリオの生成は、しばしばプランをP$で計算するのと同じくらいコストがかかることを示しています。
論文 参考訳（メタデータ） (2025-08-29T11:16:17Z) - Regression-Based Estimation of Causal Effects in the Presence of Selection Bias and Confounding [52.1068936424622]
治療が介入によって設定された場合、対象変数$Y$に対して、予測因果効果$E[Y|do(X)]$を推定する問題を考える。
選択バイアスや欠点のない設定では、$E[Y|do(X)] = E[Y|X]$ となる。
選択バイアスとコンバウンディングの両方を組み込んだフレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-26T13:43:37Z) - Noncontextuality inequalities for prepare-transform-measure scenarios [0.0]
一般化された非コンテクスト性に整合した相関関係のポリトープを計算するために線形量子化器の除去がいかに用いられるかを示す。
また、与えられた状態の集合、変換の集合、あるいは測定の集合の中で保持されるすべての線形操作IDを計算するための単純なアルゴリズムも提供する。
論文 参考訳（メタデータ） (2024-07-12T18:20:41Z) - Uncertainty in Language Models: Assessment through Rank-Calibration [65.10149293133846]
言語モデル(LM)は、自然言語生成において有望な性能を示している。
与えられた入力に応答する際の不確実性を正確に定量化することは重要である。
我々は、LMの確実性と信頼性を評価するために、Rank$-$Calibration$と呼ばれる斬新で実用的なフレームワークを開発する。
論文 参考訳（メタデータ） (2024-04-04T02:31:05Z) - Invariant Causal Prediction with Local Models [52.161513027831646]
観測データから対象変数の因果親を特定するタスクについて検討する。
L-ICP(textbfL$ocalized $textbfI$nvariant $textbfCa$usal $textbfP$rediction)と呼ばれる実用的手法を導入する。
論文 参考訳（メタデータ） (2024-01-10T15:34:42Z) - Non-Exchangeable Conformal Risk Control [12.381447108228635]
分割共形予測は、公式に保証された不確実性セットや間隔を提供する能力によって、最近大きな関心を集めている。
本研究では,データ交換不能時のモノトーン損失関数の期待値を制御できる非交換型共形リスク制御を提案する。
私たちのフレームワークはフレキシブルで、仮定はごくわずかで、所定のテスト例に対する関連性に基づいてデータを重み付けできます。
論文 参考訳（メタデータ） (2023-10-02T15:00:19Z) - Hidden variables, free choice, context-independence, and all that [0.0]
本稿では,相互排他的文脈を持つ確率変数のシステムを記述するために,隠れ変数モデル (HVM) を体系的に記述する。
等価性と非偽性は、選択の自由と文脈に依存しない写像が全く仮定ではないことを意味する。
しかしながら、これらの2つの概念の結合は、乱れのないシステムや任意のシステムの構成に適用されるときの非文脈性を記述するファルシブルなHVMを定義する。
論文 参考訳（メタデータ） (2023-05-25T15:06:54Z) - A New Bandit Setting Balancing Information from State Evolution and
Corrupted Context [52.67844649650687]
本稿では,2つの確立されたオンライン学習問題と包括的フィードバックを組み合わせた,逐次的意思決定方式を提案する。
任意の瞬間にプレーする最適なアクションは、エージェントによって直接観察できない基礎となる変化状態に付随する。
本稿では,レフェリーを用いて,コンテキストブレイジットとマルチアームブレイジットのポリシーを動的に組み合わせるアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-11-16T14:35:37Z)
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。