論文の概要: Conditionals Based on Selection Functions, Modal Operators and Probabilities

• arxiv url: http://arxiv.org/abs/2511.22377v1
• Date: Thu, 27 Nov 2025 12:13:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.553282
• Title: Conditionals Based on Selection Functions, Modal Operators and Probabilities
• Title（参考訳）: 選択関数, モーダル演算子, 確率に基づく条件
• Authors: Tommaso Flaminio, Lluis Godo, Gluliano Rosella,
• Abstract要約: 条件と確率の関係に関する一般的な結果を示す。 これにより、特定の条件結合の確率を特徴付けることができる。 我々は,多種多様な条件と多種多様な更新手法を包含する一般的な視点を採用する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Methods for probability updating, of which Bayesian conditionalization is the most well-known and widely used, are modeling tools that aim to represent the process of modifying an initial epistemic state, typically represented by a prior probability function P, which is adjusted in light of new information. Notably, updating methods and conditional sentences seem to intuitively share a deep connection, as is evident in the case of conditionalization. The present work contributes to this line of research and aims at shedding new light on the relationship between updating methods and conditional connectives. Departing from previous literature that often focused on a specific type of conditional or a particular updating method, our goal is to prove general results concerning the connection between conditionals and their probabilities. This will allow us to characterize the probabilities of certain conditional connectives and to understand what class of updating procedures can be represented using specific conditional connectives. Broadly, we adopt a general perspective that encompasses a large class of conditionals and a wide range of updating methods, enabling us to prove some general results concerning their interrelation.
• Abstract（参考訳）: ベイズ条件化が最もよく知られ広く使われている確率更新法は、初期てんかん状態(通常、新しい情報に照らして調整される事前確率関数Pで表される)を変更する過程を表現することを目的としたモデリングツールである。 特に、条件化の場合のように、メソッドや条件文の更新は直感的に深いつながりを共有しているように見える。 本研究は, この研究に寄与し, 更新方法と条件結合性との関係について, 新たな光を放つことを目的としている。 特定の条件や特定の更新方法によく焦点をあてる以前の文献とは別に、我々の目標は、条件とそれらの確率の関係に関する一般的な結果を証明することである。 これにより、特定の条件連結体の確率を特徴付けることができ、特定の条件連結体を用いてどの種類の更新手順を表現できるかを理解することができる。 広範に,多種多様な条件と多種多様な更新手法を包含する一般的な視点を採用し,それらの相互関係に関する一般的な結果の証明を可能にした。

関連論文リスト

• Probabilistic Conformal Prediction with Approximate Conditional Validity [81.30551968980143]
  本研究では,共形手法の柔軟性と条件分布の推定を組み合わせ,予測セットを生成する手法を開発した。 我々の手法は、条件付きカバレッジの観点から既存の手法よりも一貫して優れています。
  論文  参考訳（メタデータ） (2024-07-01T20:44:48Z)
• Bayesian Prompt Learning for Image-Language Model Generalization [64.50204877434878]
  我々はベイズ法の正規化能力を用いて、変分推論問題としてプロンプト学習をフレーム化する。 提案手法は,プロンプト空間を正規化し,目に見えないプロンプトへの過剰適合を低減し,目に見えないプロンプトのプロンプト一般化を改善する。 ベイジアン・プロンプト学習がプロンプト空間の適切なカバレッジを提供する15のベンチマークを実証的に示す。
  論文  参考訳（メタデータ） (2022-10-05T17:05:56Z)
• Maximum Likelihood on the Joint (Data, Condition) Distribution for Solving Ill-Posed Problems with Conditional Flow Models [0.0]
  所定のルールを用いてフローモデルをトレーニングするためのトリックを、最大限のサロゲートとして記述する。 これらの特性を、容易に視覚化された玩具問題に示し、その手法を用いて、クラス条件画像の生成に成功した。
  論文  参考訳（メタデータ） (2022-08-24T21:50:25Z)
• HyperImpute: Generalized Iterative Imputation with Automatic Model Selection [77.86861638371926]
  カラムワイズモデルを適応的かつ自動的に構成するための一般化反復計算フレームワークを提案する。 既製の学習者,シミュレータ,インターフェースを備えた具体的な実装を提供する。
  論文  参考訳（メタデータ） (2022-06-15T19:10:35Z)
• Training and Inference on Any-Order Autoregressive Models the Right Way [97.39464776373902]
  Any-Order Autoregressive Models (AO-ARMs) のファミリは、任意の条件付きタスクにおいてブレークスルーのパフォーマンスを示している。 我々は、AO-ARMの以前の定式化に対して行うべき重要な改善について確認する。 本手法はトラクタビリティを損なうことなく性能を向上する。
  論文  参考訳（メタデータ） (2022-05-26T18:00:02Z)
• Complex Event Forecasting with Prediction Suffix Trees: Extended Technical Report [70.7321040534471]
  複合イベント認識(CER)システムは、イベントのリアルタイムストリーム上のパターンを"即時"検出する能力によって、過去20年間に人気が高まっている。 このような現象が実際にCERエンジンによって検出される前に、パターンがいつ発生するかを予測する方法が不足している。 複雑なイベント予測の問題に対処しようとする形式的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-01T09:52:31Z)
• Probabilistic modelling of rational communication with conditionals [0.0]
  条件に関する実用的推論には確率論的アプローチを採用する。 本モデルは,文献で検証された推論を一様に説明できることを示す。
  論文  参考訳（メタデータ） (2021-05-12T08:21:25Z)
• A Functional Model for Structure Learning and Parameter Estimation in Continuous Time Bayesian Network: An Application in Identifying Patterns of Multiple Chronic Conditions [2.440763941001707]
  本稿では,ポアソン回帰に代表される条件依存型連続時間ベイズネットワークを提案する。 獣医科の電子健康記録から抽出した複数の慢性疾患患者のデータセットを用いた。 提案手法は、複数の慢性状態の間の複雑な機能的関係を、疎直的に表現する。
  論文  参考訳（メタデータ） (2020-07-31T05:02:34Z)

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。