論文の概要: Active Inference is a Subtype of Variational Inference

• arxiv url: http://arxiv.org/abs/2511.18955v1
• Date: Mon, 24 Nov 2025 10:14:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:25.151031
• Title: Active Inference is a Subtype of Variational Inference
• Title（参考訳）: 能動推論は変分推論のサブタイプである
• Authors: Wouter W. L. Nuijten, Mykola Lukashchuk,
• Abstract要約: 我々はEFE最小化を変分推論として再キャストし、正式にプランニング・アズ・推論と統合し、ドライブをユニークなエントロピー的貢献として示す理論を構築した。 我々の主な貢献は、この統一目的のための新しいメッセージパス方式であり、分解状態のMDPにおけるスケーラブルなアクティブ推論を可能にし、高次元プランニングの難しさを克服する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated decision-making under uncertainty requires balancing exploitation and exploration. Classical methods treat these separately using heuristics, while Active Inference unifies them through Expected Free Energy (EFE) minimization. However, EFE minimization is computationally expensive, limiting scalability. We build on recent theory recasting EFE minimization as variational inference, formally unifying it with Planning-as-Inference and showing the epistemic drive as a unique entropic contribution. Our main contribution is a novel message-passing scheme for this unified objective, enabling scalable Active Inference in factored-state MDPs and overcoming high-dimensional planning intractability.
• Abstract（参考訳）: 不確実性の下での意思決定を自動化するには、エクスプロイトと探索のバランスが必要だ。 古典的手法ではこれらをヒューリスティックスを用いて別々に扱い、アクティブ推論は期待自由エネルギー(EFE)の最小化を通じてそれらを統一する。 しかし、EFEの最小化は計算コストがかかり、スケーラビリティが制限される。 我々はEFE最小化を変分推論として再キャストし、正式にプランニング・アズ・推論と統合し、独自のエントロピー的寄与としてててんかんの駆動を示す。 我々の主な貢献は、この統一目的のための新しいメッセージパス方式であり、分解状態のMDPにおけるスケーラブルなアクティブ推論を可能にし、高次元プランニングの難しさを克服する。

関連論文リスト

• Understanding Catastrophic Interference: On the Identifibility of Latent Representations [67.05452287233122]
  破滅的な干渉、あるいは破滅的な忘れ(Caastrophic forgetting)は、機械学習の根本的な課題である。 本稿では,破滅的干渉を識別問題として定式化する新しい理論枠組みを提案する。 我々のアプローチは、合成データセットとベンチマークデータセットの両方で理論的保証と実用的なパフォーマンスの改善を提供する。
  論文  参考訳（メタデータ） (2025-09-27T00:53:32Z)
• A Message Passing Realization of Expected Free Energy Minimization [2.099922236065961]
  本稿では,因子グラフ上の期待自由エネルギー(EFE)に対するメッセージパッシング手法を提案する。 我々は,解答可能な探索問題を,標準変分法を用いて抽出可能な推論問題に変換する。 因数化状態空間モデルにメッセージパッシング手法を適用することで、効率的なポリシー推論が可能になる。
  論文  参考訳（メタデータ） (2025-08-04T08:48:37Z)
• Expected Free Energy-based Planning as Variational Inference [2.5935401957183846]
  EFEに基づくプランニングは、生成モデル上での変動自由エネルギー関数の最小化から自然に発生することを示す。 この結果は、不確実性それ自体で計画を変分推論の形式としてキャストすることで、自由エネルギー原理との理論的整合性を強化する。 我々の定式化は,有界計算資源を考慮に入れた複雑性項を取り入れつつ,目標達成と情報獲得を共同で支援する政策を導出する。
  論文  参考訳（メタデータ） (2025-04-21T07:09:05Z)
• Partial Transportability for Domain Generalization [56.37032680901525]
  本稿では, 部分的同定と輸送可能性の理論に基づいて, 対象分布の関数値の有界化に関する新たな結果を紹介する。 我々の貢献は、輸送可能性問題に対する最初の一般的な評価手法を提供することである。 本稿では,スケーラブルな推論を実現するための勾配に基づく最適化手法を提案する。
  論文  参考訳（メタデータ） (2025-03-30T22:06:37Z)
• Flexible and Robust Counterfactual Explanations with Minimal Satisfiable Perturbations [56.941276017696076]
  我々は、最小満足度摂動(CEMSP)を用いた対実的説明法という概念的に単純だが効果的な解を提案する。 CEMSPは、意味論的に意味のある正常範囲の助けを借りて、異常な特徴の値を変更することを制限している。 既存の手法と比較して、我々は合成データセットと実世界のデータセットの両方で包括的な実験を行い、柔軟性を維持しつつ、より堅牢な説明を提供することを示した。
  論文  参考訳（メタデータ） (2023-09-09T04:05:56Z)
• Exploiting Submodular Value Functions For Scaling Up Active Perception [60.81276437097671]
  アクティブな知覚タスクでは、エージェントは1つ以上の隠れ変数の不確実性を減少させる感覚行動を選択することを目的としている。 部分的に観測可能なマルコフ決定過程(POMDP)は、そのような問題に対する自然なモデルを提供する。 エージェントが利用できるセンサーの数が増えるにつれて、POMDP計画の計算コストは指数関数的に増加する。
  論文  参考訳（メタデータ） (2020-09-21T09:11:36Z)
• Targeted free energy estimation via learned mappings [66.20146549150475]
  自由エネルギー摂動 (FEP) は60年以上前にズワンツィヒによって自由エネルギー差を推定する方法として提案された。 FEPは、分布間の十分な重複の必要性という厳しい制限に悩まされている。 目標自由エネルギー摂動(Targeted Free Energy Perturbation)と呼ばれるこの問題を緩和するための1つの戦略は、オーバーラップを増やすために構成空間の高次元マッピングを使用する。
  論文  参考訳（メタデータ） (2020-02-12T11:10:00Z)

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。