論文の概要: Order Unit Spaces and Probabilistic Models
- arxiv url: http://arxiv.org/abs/2603.05682v1
- Date: Thu, 05 Mar 2026 21:16:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-09 13:17:44.497121
- Title: Order Unit Spaces and Probabilistic Models
- Title（参考訳）: 次数単位空間と確率モデル
- Authors: John Harding, Alex Wilce,
- Abstract要約: 物理理論に対する凸演算アプローチは、テスト空間アプローチによって仮定可能であることを示す。
2つ目の構成は、重み付けされた硬貨の小屋の光をシャープな観測物の性質で表現した確率モデルである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We exhibit a functor from the category OUS of order unit spaces and positive, unit-preserving mappings into the category $\Prob$ of probabilistic models (test spaces with designated state spaces) and morphisms thereof. Restricted to any subcategory of OUS monoidal with respect to a positive, normalized, bilinear composition rule, our functor is also monoidal. This shows that the convex-operational approach to physical theories can be subsumed by the test-space approach, without resort to ``generalized test spaces''. A second construction, equipping a probabilistic model with tests representing ``weighted coins'', also sheds light on the nature of unsharp observables.
- Abstract（参考訳）: 次数単位空間の圏 OUS と正の単位保存写像から確率モデル(指定された状態空間を持つテスト空間)の圏 $\Prob$ とそれらの射への関手を示す。
正、正規化、双線型合成則に関して、ous monoidalの任意の部分圏に制限されるので、我々の関手もまたモノイドである。
このことは、「一般化されたテスト空間」を使わずに、物理理論に対する凸演算アプローチがテスト空間アプローチによって仮定できることを示している。
2つ目の構成では、確率モデルに「太い硬貨」を表す試験を装備し、未シャープな観測物の性質に光を当てる。
関連論文リスト
- Coalgebras for categorical deep learning: Representability and universal approximation [0.0]
我々は、ディープラーニングにおける同変表現のための合図基盤を開発する。
一般化された設定で同変写像に対する普遍近似定理を確立する。
この研究は、不変な振る舞いの抽象的な仕様と、ニューラルネットワークにおける具体的な実現との間に、分類的な橋渡しを提供する。
論文 参考訳（メタデータ） (2026-03-03T18:18:50Z) - Fields of covariances on non-commutative probability spaces in finite dimensions [0.0]
非可換確率空間からヒルベルト空間への反変関手である共変体の概念を導入する。
有限次元非可換確率空間の場合、そのような場の完全な分類が得られる。
論文 参考訳（メタデータ） (2025-10-28T16:45:18Z) - A Foundational Theory of Quantitative Abstraction: Adjunctions, Duality, and Logic for Probabilistic Systems [2.362412515574206]
大規模あるいは連続的な状態空間は、正確に解析しやすくし、原理化された量的抽象を要求する。
この研究は、圏論、コレージュブラ、量論理、最適輸送を統合することで、そのような抽象の統一理論を発展させる。
論文 参考訳（メタデータ） (2025-10-22T10:16:24Z) - Relative Representations: Topological and Geometric Perspectives [50.85040046976025]
相対表現はゼロショットモデルの縫合に対する確立されたアプローチである。
相対変換において正規化手順を導入し、非等方的再スケーリングや置換に不変となる。
第二に、クラス内のクラスタリングを促進するトポロジカル正規化損失である、微調整された相対表現におけるトポロジカルデシフィケーションの展開を提案する。
論文 参考訳（メタデータ） (2024-09-17T08:09:22Z) - Diffeomorphic Measure Matching with Kernels for Generative Modeling [1.2058600649065618]
本稿では、常微分方程式(ODE)と再生成ケルネルヒルベルト空間(RKHS)を用いて、最小分散生成モデリングおよびサンプリングに向けた確率測度を伝達するための枠組みを提案する。
提案手法の理論的解析を行い,モデルの複雑さ,トレーニングセット内のサンプル数,モデルの誤識別という観点から,事前誤差境界を与える。
論文 参考訳（メタデータ） (2024-02-12T21:44:20Z) - Simulation-based Inference for High-dimensional Data using Surjective Sequential Neural Likelihood Estimation [45.9982965995401]
我々はSBI(Surjective Sequential Neural Likelihood Estimation)という,シミュレーションベース推論(SBI)手法のファミリーにおける新しいメンバーを提案する。
SSNL は次元共振型正規化フローモデルに適合し、マルコフ連鎖モンテカルロあるいは変分ベイズ法による計算推論を可能にする代理可能性関数として利用する。
SSNLは、天体物理学と神経科学の文献から得られた2つの挑戦的な実例を含む、多種多様な実験で評価し、その成果が、最先端の手法に匹敵するか、同等であることを示す。
論文 参考訳（メタデータ） (2023-08-02T10:02:38Z) - Geometric Neural Diffusion Processes [55.891428654434634]
拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。
これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
論文 参考訳（メタデータ） (2023-07-11T16:51:38Z) - Atlas Generative Models and Geodesic Interpolation [0.20305676256390928]
我々は,Atlas Generative Models (AGMs) の一般クラスを定義する。
グラフに基づく測地線のアルゴリズムをAGMの設定に一般化してこれを実証し、その性能を実験的に検証する。
論文 参考訳（メタデータ） (2021-01-30T16:35:25Z) - Orbital MCMC [82.54438698903775]
任意の微分同相写像から周期軌道を構築するための2つの実用的なアルゴリズムを提案する。
また,両カーネルの実用的メリットを実証した実証的研究を行った。
論文 参考訳（メタデータ） (2020-10-15T22:25:52Z)
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。