論文の概要: The Bayesian Origin of the Probability Weighting Function in Human Representation of Probabilities
- arxiv url: http://arxiv.org/abs/2510.04698v1
- Date: Mon, 06 Oct 2025 11:10:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-07 16:52:59.821348
- Title: The Bayesian Origin of the Probability Weighting Function in Human Representation of Probabilities
- Title（参考訳）: 確率の表現における確率重み関数のベイズ的起源
- Authors: Xin Tong, Thi Thu Uyen Hoang, Xue-Xin Wei, Michael Hahn,
- Abstract要約: 本稿では,雑音の多いニューラルエンコーディングから得られる最適なデコードに対する合理的推論に基づく確率重み付け関数について述べる。
この結果は、有理推論における確率の人間の表現を基盤とした統一的な説明を提供する。
- 参考スコア（独自算出の注目度）: 9.26085058643199
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding the representation of probability in the human mind has been of great interest to understanding human decision making. Classical paradoxes in decision making suggest that human perception distorts probability magnitudes. Previous accounts postulate a Probability Weighting Function that transforms perceived probabilities; however, its motivation has been debated. Recent work has sought to motivate this function in terms of noisy representations of probabilities in the human mind. Here, we present an account of the Probability Weighting Function grounded in rational inference over optimal decoding from noisy neural encoding of quantities. We show that our model accurately accounts for behavior in a lottery task and a dot counting task. It further accounts for adaptation to a bimodal short-term prior. Taken together, our results provide a unifying account grounding the human representation of probability in rational inference.
- Abstract（参考訳）: 人間の心における確率の表現を理解することは、人間の意思決定を理解する上で大きな関心を集めてきた。
意思決定における古典的なパラドックスは、人間の知覚が確率等級を歪めることを示唆している。
以前の説明では、確率重み付け関数は知覚された確率を変換するが、その動機は議論されている。
近年の研究は、人間の心における確率のノイズ表現の観点から、この機能を動機付けようと試みている。
本稿では,雑音の多いニューラルエンコーディングから得られる最適なデコードに対する合理的推論に基づく確率重み付け関数について述べる。
我々は,ロタリータスクとドットカウントタスクにおいて,モデルが正確に振舞いを説明できることを示す。
さらに、二項的短期的適応を考慮に入れている。
その結果,有理推論における確率の人的表現を基礎とした統一的な説明が得られた。
関連論文リスト
- Robot Pouring: Identifying Causes of Spillage and Selecting Alternative Action Parameters Using Probabilistic Actual Causation [0.0]
本研究では、確率論的実因果関係を用いて、観測された望ましくない結果の原因である要因を判定する。
実際の因果確率は、結果を変えるための代替行動を見つけるためにどのように使用できるかを示す。
論文 参考訳（メタデータ） (2025-02-13T15:16:52Z) - Human Trajectory Forecasting with Explainable Behavioral Uncertainty [63.62824628085961]
人間の軌道予測は人間の行動を理解し予測し、社会ロボットから自動運転車への応用を可能にする。
モデルフリー手法は予測精度が優れているが説明可能性に欠ける一方、モデルベース手法は説明可能性を提供するが、よく予測できない。
BNSP-SFMは,11種類の最先端手法と比較して,予測精度を最大50%向上することを示す。
論文 参考訳（メタデータ） (2023-07-04T16:45:21Z) - Semantic Strengthening of Neuro-Symbolic Learning [85.6195120593625]
ニューロシンボリックアプローチは一般に確率論的目的のファジィ近似を利用する。
トラクタブル回路において,これを効率的に計算する方法を示す。
我々は,Warcraftにおける最小コストパスの予測,最小コスト完全マッチングの予測,スドクパズルの解法という3つの課題に対して,アプローチを検証した。
論文 参考訳（メタデータ） (2023-02-28T00:04:22Z) - Reconciling Individual Probability Forecasts [78.0074061846588]
データに同意する2つの当事者は、個々の確率をモデル化する方法に異を唱えることができない。
個々の確率は不可知であるが、計算的かつデータ効率のよいプロセスで競合できると結論付ける。
論文 参考訳（メタデータ） (2022-09-04T20:20:35Z) - A Logic-based Tractable Approximation of Probability [0.0]
我々は、命題確率関数が深さ有界なリーフ関数の階層によって近似できる条件を特定する。
確率の近似が不確実な推論につながることを示す。
論文 参考訳（メタデータ） (2022-05-06T13:25:12Z) - Probabilistic Contrastive Loss for Self-Supervised Learning [25.097498223895016]
本稿では,自己教師型学習のための確率的コントラスト損失関数を提案する。
提案した損失関数の興味深い性質は実証的に示され、人間のような予測に一致する。
論文 参考訳（メタデータ） (2021-12-02T23:41:52Z) - Probabilistic Human Motion Prediction via A Bayesian Neural Network [71.16277790708529]
本稿では,人間の動作予測のための確率モデルを提案する。
我々のモデルは、観測された動きシーケンスが与えられたときに、いくつかの将来の動きを生成することができる。
我々は、大規模ベンチマークデータセットHuman3.6mに対して、我々のアプローチを広範囲に検証した。
論文 参考訳（メタデータ） (2021-07-14T09:05:33Z) - Abstract Spatial-Temporal Reasoning via Probabilistic Abduction and
Execution [97.50813120600026]
時空間推論は人工知能(AI)の課題である
最近の研究は、この種の抽象的推論タスクに焦点を当てている -- Raven's Progressive Matrices (RPM)
ニューロシンボリックな確率的アブダクションと実行学習者(PrAE)を提案する。
論文 参考訳（メタデータ） (2021-03-26T02:42:18Z)
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。