論文の概要: Towards representation agnostic probabilistic programming

• arxiv url: http://arxiv.org/abs/2512.23740v1
• Date: Thu, 25 Dec 2025 15:51:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-01 23:27:28.123885
• Title: Towards representation agnostic probabilistic programming
• Title（参考訳）: 表現に依存しない確率的プログラミングに向けて
• Authors: Ole Fenske, Maximilian Popko, Sebastian Bader, Thomas Kirste,
• Abstract要約: 本稿では,5つの基本演算を基本表現によらず,因子を操作するための普遍的なインタフェースとして機能する因子抽象化を導入する。 これにより、表現に依存しない確率的プログラミングが可能になり、ユーザーは自由に異なる表現を混ぜることができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current probabilistic programming languages and tools tightly couple model representations with specific inference algorithms, preventing experimentation with novel representations or mixed discrete-continuous models. We introduce a factor abstraction with five fundamental operations that serve as a universal interface for manipulating factors regardless of their underlying representation. This enables representation-agnostic probabilistic programming where users can freely mix different representations (e.g. discrete tables, Gaussians distributions, sample-based approaches) within a single unified framework, allowing practical inference in complex hybrid models that current toolkits cannot adequately express.
• Abstract（参考訳）: 現在の確率的プログラミング言語やツールは、モデル表現を特定の推論アルゴリズムと密結合させ、新しい表現や混合離散連続モデルによる実験を妨げている。 本稿では,5つの基本演算を基本表現によらず,因子を操作するための普遍的なインタフェースとして機能する因子抽象化を導入する。 これにより、ユーザーは異なる表現(例えば、離散テーブル、ガウス分布、サンプルベースアプローチ)を単一の統一フレームワーク内で自由に混合することができ、現在のツールキットが適切に表現できない複雑なハイブリッドモデルにおいて実用的な推論が可能になる。

関連論文リスト

• Efficient Fairness-Performance Pareto Front Computation [45.088727439928704]
  最適公正表現はいくつかの有用な構造特性を持つことを示す。 そこで,これらの近似問題は,凹凸プログラミング法により効率的に解けることを示す。
  論文  参考訳（メタデータ） (2024-09-26T08:46:48Z)
• Interpretable time series neural representation for classification purposes [3.1201323892302444]
  提案したモデルは、一貫した、離散的で、解釈可能で、可視化可能な表現を生成する。 実験の結果,提案したモデルでは,複数のデータセットに対する他の解釈可能なアプローチよりも平均的に優れた結果が得られることがわかった。
  論文  参考訳（メタデータ） (2023-10-25T15:06:57Z)
• Meaning Representations from Trajectories in Autoregressive Models [106.63181745054571]
  入力テキストを拡張可能なすべてのトラジェクトリの分布を考慮し,自己回帰言語モデルから意味表現を抽出する。 この戦略はプロンプトフリーであり、微調整は必要とせず、事前訓練された自己回帰モデルにも適用できる。 我々は,大規模なモデルから得られた表現が人間のアノテーションとよく一致し,意味的類似性タスクにおける他のゼロショットおよびプロンプトフリーメソッドよりも優れており,標準埋め込みが扱えないより複雑なエンタテインメントや包含タスクの解決に使用できることを実証的に示す。
  論文  参考訳（メタデータ） (2023-10-23T04:35:58Z)
• Exact Bayesian Inference on Discrete Models via Probability Generating Functions: A Probabilistic Programming Approach [7.059472280274009]
  離散統計モデルに対する正確なベイズ推定法を提案する。 我々は、離散的かつ連続的なサンプリング、離散的な観察、アフィン関数、(確率的な)分岐、離散的な事象の条件付けをサポートする確率的プログラミング言語を使用する。 我々の推論手法は確実に正確で完全に自動化されている。
  論文  参考訳（メタデータ） (2023-05-26T16:09:59Z)
• Continuous Mixtures of Tractable Probabilistic Models [10.667104977730304]
  変分オートエンコーダのような連続潜伏空間に基づく確率モデルは、非可算混合モデルとして理解することができる。 確率回路(PC)は階層的な離散混合モデルとして理解することができる。 本稿では,少ない潜在次元のトラクタブルモデルの連続混合というハイブリッドアプローチについて検討する。
  論文  参考訳（メタデータ） (2022-09-21T18:18:32Z)
• Attentional Prototype Inference for Few-Shot Segmentation [128.45753577331422]
  数発のセグメンテーションのための確率的潜在変数フレームワークである注意型プロトタイプ推論(API)を提案する。 我々は各オブジェクトカテゴリのプロトタイプを表現するためにグローバル潜在変数を定義し、確率分布としてモデル化する。 我々は4つのベンチマークで広範な実験を行い、提案手法は最先端のプロトタイプベースの手法よりも、少なくとも競争力があり、しばしば優れた性能が得られる。
  論文  参考訳（メタデータ） (2021-05-14T06:58:44Z)

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。