論文の概要: Generalized Information Gathering Under Dynamics Uncertainty

• arxiv url: http://arxiv.org/abs/2601.21988v1
• Date: Thu, 29 Jan 2026 17:00:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-30 16:22:50.022686
• Title: Generalized Information Gathering Under Dynamics Uncertainty
• Title（参考訳）: ダイナミクス不確かさ下での一般化情報収集
• Authors: Fernando Palafox, Jingqi Li, Jesse Milzman, David Fridovich-Keil,
• Abstract要約: 情報収集コストから選択を分離する統一フレームワークを提案する。 既存の文献で使用される相互情報コストが,我々のコストの特別な場合であることを実証する。
• 参考スコア（独自算出の注目度）: 43.54634488691849
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: An agent operating in an unknown dynamical system must learn its dynamics from observations. Active information gathering accelerates this learning, but existing methods derive bespoke costs for specific modeling choices: dynamics models, belief update procedures, observation models, and planners. We present a unifying framework that decouples these choices from the information-gathering cost by explicitly exposing the causal dependencies between parameters, beliefs, and controls. Using this framework, we derive a general information-gathering cost based on Massey's directed information that assumes only Markov dynamics with additive noise and is otherwise agnostic to modeling choices. We prove that the mutual information cost used in existing literature is a special case of our cost. Then, we leverage our framework to establish an explicit connection between the mutual information cost and information gain in linearized Bayesian estimation, thereby providing theoretical justification for mutual information-based active learning approaches. Finally, we illustrate the practical utility of our framework through experiments spanning linear, nonlinear, and multi-agent systems.
• Abstract（参考訳）: 未知の力学系で動作するエージェントは、観察からその力学を学ばなければならない。 アクティブな情報収集は、この学習を加速させるが、既存の手法は、力学モデル、信念更新手順、観察モデル、プランナーといった特定のモデリング選択のための好ましくないコストを導き出す。 パラメータや信念,コントロール間の因果関係を明確に明らかにすることで,これらの選択を情報収集コストから切り離す統一フレームワークを提案する。 この枠組みを用いることで、マルコフ力学のみを付加雑音で仮定するマッシーの指示情報に基づいて、一般的な情報収集コストを導出し、それ以外は選択のモデル化には依存しない。 既存の文献で使用される相互情報コストが,我々のコストの特別な場合であることを実証する。 そこで我々は,線形化ベイズ推定における相互情報コストと情報ゲインとの明確な関係を確立するために,我々のフレームワークを活用し,相互情報に基づくアクティブラーニングアプローチの理論的正当性を提供する。 最後に,線形系,非線形系,マルチエージェント系にまたがる実験を通じて,本フレームワークの実用性について述べる。

関連論文リスト

• Auditing Language Model Unlearning via Information Decomposition [68.48660428111593]
  部分的情報分解(PID)を用いたアンラーニング監査のための解釈可能な情報理論フレームワークを提案する。 非学習前後のモデル表現を比較することにより、相互情報と忘れられたデータとを別個の構成要素に分解し、未学習および残留知識の概念を定式化する。 我々の研究は、言語モデルのより安全なデプロイのための理論的洞察と実行可能なツールを提供する、アンラーニングのための原則付き表現レベル監査を導入している。
  論文  参考訳（メタデータ） (2026-01-21T15:51:19Z)
• Model-free Methods for Event History Analysis and Efficient Adjustment (PhD Thesis) [55.2480439325792]
  この論文は、モデルフリーの観点から統一された統計学への独立した貢献のシリーズである。 第1章では、機械学習から予測技術を活用する柔軟なメソッドを定式化するために、モデルフリーの視点をどのように利用できるか、詳しく説明している。 第2章では、あるプロセスの進化が他のプロセスに直接影響されるかどうかを記述した地域独立の概念を研究している。
  論文  参考訳（メタデータ） (2025-02-11T19:24:09Z)
• MetaTrading: An Immersion-Aware Model Trading Framework for Vehicular Metaverse Services [92.40586697273868]
  モノのインターネットのタイムリーな更新は、車載メタバースサービスの没入を実現するために不可欠である。 本稿では,フェデレーション学習による効率的なプライバシ保護データ提供を可能にする没入型モデルトレーディングフレームワークを提案する。 実験の結果,提案手法は最先端のベンチマークよりも優れていた。
  論文  参考訳（メタデータ） (2024-10-25T16:20:46Z)
• MergeNet: Knowledge Migration across Heterogeneous Models, Tasks, and Modalities [72.05167902805405]
  異種モデルのパラメータ空間のギャップを埋めることを学ぶMergeNetを提案する。 MergeNetの中核となるメカニズムはパラメータアダプタにあり、ソースモデルの低ランクパラメータをクエリすることで動作する。 MergeNetは両方のモデルと共に学習され、我々のフレームワークは、現在のステージに関する知識を動的に転送し、適応することができます。
  論文  参考訳（メタデータ） (2024-04-20T08:34:39Z)
• Information theory for data-driven model reduction in physics and biology [0.0]
  我々は,将来最も予測的な変数として定義される変数を同定する手法を開発する。 高圧縮の極限において、関連する変数は、最も遅く縮退する固有関数によって直接決定される。 この結果から,変数を自動識別する深層学習ツールが確立された。
  論文  参考訳（メタデータ） (2023-12-11T18:39:05Z)
• RevUp: Revise and Update Information Bottleneck for Event Representation [16.54912614895861]
  機械学習では、潜在変数は基礎となるデータ構造をキャプチャする上で重要な役割を果たすが、しばしば教師なしである。 本稿では,側知識を用いて個別潜伏変数の学習を指示する半教師付き情報ボトルネックモデルを提案する。 提案手法は,既存のパラメータ注入法を一般化し,言語に基づくイベントモデリングにおけるアプローチの実証的なケーススタディを行う。
  論文  参考訳（メタデータ） (2022-05-24T17:54:59Z)
• Representations of epistemic uncertainty and awareness in data-driven strategies [0.0]
  本稿では,エージェントによる知識表現とその伝達における不確実性の理論モデルを提案する。 我々は、推論、嗜好関係、情報測度の観点から、等価な知識表現を考察する。 本稿では,データ駆動戦略における提案モデルの有効性について論じる。
  論文  参考訳（メタデータ） (2021-10-21T21:18:21Z)
• Meta-learning using privileged information for dynamics [66.32254395574994]
  Neural ODE Processモデルを拡張して、Learning Using Privileged Information設定内の追加情報を使用します。 シミュレーション動的タスクの精度とキャリブレーションを向上した実験により拡張性を検証する。
  論文  参考訳（メタデータ） (2021-04-29T12:18:02Z)
• Value of Information Analysis via Active Learning and Knowledge Sharing in Error-Controlled Adaptive Kriging [7.148732567427574]
  本稿では,情報の価値(VoI)分析のための最初のサロゲートベースのフレームワークを提案する。 複数の関心事の可能性を更新するために、サロゲートモデル間の観測から平等な情報を共有することができる。 トラスブリッジの負荷試験を含む最適決定問題に対して,提案手法を適用した。
  論文  参考訳（メタデータ） (2020-02-06T16:58:27Z)

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。