論文の概要: Finite Reliability Representations: Noise-Calibrated Belief-Space Covers for Reliable Decision-Making
- arxiv url: http://arxiv.org/abs/2607.04019v1
- Date: Sat, 04 Jul 2026 20:30:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.793478
- Title: Finite Reliability Representations: Noise-Calibrated Belief-Space Covers for Reliable Decision-Making
- Title（参考訳）: 有限信頼度表現:信頼度決定のための雑音校正空間被覆
- Abstract要約: 信頼性セルによる信念空間を包含するフレームワークであるFinite Reliability Representations (FRR)を紹介する。
FRRは状態ではなく信念に基づいて定式化され、同値商ではなく表紙を使用する。
有限POMDP、線形ガウスフィルタ、局所線型化非線形フィルタ、粒子フィルタの実装に適用できる。
- 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: Physical sensing and actuation noise floors should inform how much belief resolution a decision-making system can reliably use. We introduce Finite Reliability Representations (FRR), a framework for covering belief spaces by reliability cells: regions within which the optimal action-value function Q*(b,u) varies by at most a tolerance epsilon, uniformly over actions. The framework is formulated on beliefs rather than states and uses a cover rather than an equivalence quotient, because approximate decision-closeness is not transitive in general. A central technical point is that noisy Bayesian updates should not be treated as globally contractive on arbitrary beliefs. We therefore separate three objects: the fixed-observation filter map, the predictive observation law, and the controlled belief-transition kernel. For nonlinear continuous-state systems, FRR is obtained under a reachable-set Lipschitz modulus for the belief-transition kernel. For finite-state POMDPs, the same construction becomes exact on the belief simplex: prediction is linear, Bayesian correction is a normalized positive linear map, sensor noise enters through observation-distribution distinguishability, and actuation uncertainty enters through an action-execution channel. Under the corresponding action-value Lipschitz condition, an FRR cover supports a cell-constant policy whose suboptimality is bounded by 2 epsilon/(1 - gamma). We also introduce reliability entropy, the logarithm of the minimal number of reliability cells, as a measure of certified decision-relevant belief complexity. The framework distinguishes representation sufficiency from fundamental performance floors imposed by sensing, process, and actuation noise. It applies to finite POMDPs, linear-Gaussian filters, locally linearized nonlinear filters, and particle-filter implementations through analytic or empirical certification of reliability cells.
- Abstract（参考訳）: 物理的センシングとアクティベーションノイズフロアは、意思決定システムがどの程度の信頼度を確実に利用できるかを知らせるべきである。
信頼性セルによる信念空間を包含するフレームワークであるFRR(Finite Reliability Representations)を導入する。
この枠組みは状態よりも信念に基づいて定式化され、同値商ではなく表紙を用いている。
中心となる技術的ポイントは、ノイズの多いベイズ更新は、任意の信念に基づいて世界規模で契約するものとして扱われるべきではないということである。
したがって、固定観測フィルタマップ、予測観測法則、制御された信念遷移核の3つの対象を分離する。
非線形連続状態系では、FRRは信念遷移核のリーチブルセットのリプシッツ係数の下で得られる。
有限状態のPOMDPの場合、同じ構成は、予測は線形であり、ベイズ補正は正正の正の線形写像であり、センサノイズは観測・分布の識別性を通じて入射し、アクティベーションの不確実性は行動実行チャネルを介して入射する。
対応する作用値リプシッツ条件の下では、FRRカバーは2つのエプシロン/(1-ガンマ)で最適値が有界なセル・コンスタント・ポリシーをサポートする。
また,最小限の信頼性セルの対数である信頼性エントロピーを,決定関連信念複雑性の認定尺度として導入する。
このフレームワークは、表現満足度を、センシング、プロセス、アクティベーションノイズによって課される基本的なパフォーマンスフロアと区別する。
有限POMDP、線形ガウスフィルタ、局所線型化非線形フィルタ、および信頼性セルの解析的又は経験的証明による粒子フィルタの実装に適用できる。
関連論文リスト
- Decision Kernels for Quantum Error Mitigation: Why Accuracy Gains Need Not Improve Downstream Decisions [0.0]
下流決定のための有限ショットQEMの理論を開発する。
我々は、商因子化、ギャップロー極小性、限界ノーゴー定理、QEMプルバック定理、固定配置ショットレベル逆を証明する。
論文 参考訳（メタデータ） (2026-07-03T02:35:57Z) - KappaPlace: Learning Hyperspherical Uncertainty for Visual Place Recognition via Prototype-Anchored Supervision [3.7599363231894176]
視覚的位置認識(VPR)は自律ナビゲーションに不可欠である。
標準パイプラインは、クエリがあいまいであったり、マッチが正しくない可能性がある場合に、確実に信号を送ることができない。
我々は不確実性を認識したVPR表現を学習するための原則的フレームワークであるKappaPlaceを提案する。
論文 参考訳（メタデータ） (2026-05-19T06:45:27Z) - BandPO: Bridging Trust Regions and Ratio Clipping via Probability-Aware Bounds for LLM Reinforcement Learning [49.25750348525603]
BandPOは、信頼領域を動的で確率対応のクリッピング間隔に投影する統一理論演算子であるBandに取って代わる。
BandPOはカノニカルクリッピングやClip-Higherより一貫して優れ,エントロピー崩壊の軽減が図られている。
論文 参考訳（メタデータ） (2026-03-05T08:03:05Z) - Avoiding the Price of Adaptivity: Inference in Linear Contextual Bandits via Stability [2.5782420501870296]
安定性と統計的効率は、単一の文脈的帯域幅法で共存することができると論じる。
本アルゴリズムは,対数的因子に最適化された最小限の誤差保証を実現する。
論文 参考訳（メタデータ） (2025-12-23T13:53:53Z) - Statistical Inference under Adaptive Sampling with LinUCB [15.167069362020426]
線形帯域に対する線形上信頼境界(LinUCB)アルゴリズムは安定性という特性を満たすことを示す。
我々は、LinUCBアルゴリズムの中央極限定理を確立し、推定誤差の極限分布の正規性を確立する。
論文 参考訳（メタデータ） (2025-11-28T21:48:18Z) - COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。
COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。
リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
論文 参考訳（メタデータ） (2025-06-25T07:04:49Z) - Stability and performance guarantees for misspecified multivariate score-driven filters [0.0]
対数的仮定された観測密度の勾配を用いてパラメータ予測を更新するスコア駆動フィルタ(ISD, ESD)について検討した。
両方のフィルタタイプに対して、フィルタされたパラメータパスの指数的安定性を保証するための、新しい十分な条件を導出する。
ISDフィルタは精度と安定性の点でESDフィルタより優れていることを示すシミュレーション研究により理論的知見を検証した。
論文 参考訳（メタデータ） (2025-02-07T15:48:16Z) - Unlearning-based Neural Interpretations [51.99182464831169]
静的関数を用いて定義される現在のベースラインは、バイアスがあり、脆弱であり、操作可能であることを示す。
UNIは、学習不可能で、偏りがなく、適応的なベースラインを計算し、入力を最も急な上昇の未学習方向に向けて摂動させることを提案する。
論文 参考訳（メタデータ） (2024-10-10T16:02:39Z) - Resampled Confidence Regions with Exponential Shrinkage for the Regression Function of Binary Classification [0.0]
我々は,再サンプリングテストに基づいて,任意のユーザ・センサ信頼度レベルと有限サンプルサイズに対する回帰関数の分布自由信頼領域を構築した。
有限擬次元および逆リプシッツパラメータ化を持つモデルクラスに対する新しい経験的リスクベースアプローチの強い均一性を証明する。
また、k-ネアレスト近傍法についても検討し、排除の確率に基づいて強い点を有界に証明する。
論文 参考訳（メタデータ） (2023-08-03T15:52:27Z) - When Does Confidence-Based Cascade Deferral Suffice? [69.28314307469381]
カスケードは、推論コストをサンプル毎に適応的に変化させる古典的な戦略である。
deferralルールは、シーケンス内の次の分類子を呼び出すか、または予測を終了するかを決定する。
カスケードの構造に執着しているにもかかわらず、信頼に基づく推論は実際は極めてうまく機能することが多い。
論文 参考訳（メタデータ） (2023-07-06T04:13:57Z) - Sampling-Based Robust Control of Autonomous Systems with Non-Gaussian
Noise [59.47042225257565]
雑音分布の明示的な表現に依存しない新しい計画法を提案する。
まず、連続系を離散状態モデルに抽象化し、状態間の確率的遷移によってノイズを捕捉する。
いわゆる区間マルコフ決定過程(iMDP)の遷移確率区間におけるこれらの境界を捉える。
論文 参考訳（メタデータ） (2021-10-25T06:18:55Z) - On the Practicality of Differential Privacy in Federated Learning by
Tuning Iteration Times [51.61278695776151]
フェデレートラーニング(FL)は、分散クライアント間で機械学習モデルを協調的にトレーニングする際のプライバシ保護でよく知られている。
最近の研究では、naive flは勾配リーク攻撃の影響を受けやすいことが指摘されている。
ディファレンシャルプライバシ(dp)は、勾配漏洩攻撃を防御するための有望な対策として現れる。
論文 参考訳（メタデータ） (2021-01-11T19:43:12Z)
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。