論文の概要: Expected free energy as an information constraint on the Bethe Lagrangian

• arxiv url: http://arxiv.org/abs/2608.17167v1
• Date: Mon, 17 Aug 2026 22:10:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 21:40:53.140812
• Title: Expected free energy as an information constraint on the Bethe Lagrangian
• Title（参考訳）: Bethe Lagrangianの情報制約として期待される自由エネルギー
• Abstract要約: アクティブ推論は、予測される未来よりも期待される自由エネルギー関数を最小化することによって行動を選択する。 本稿では、メッセージパッシングによる推論を完全にサポートするBethe自由エネルギー関数に基づく代替の定式化を提案する。 情報需要が変化するにつれて、解決された乗算器はその不活性、内部、飽和状態を通過する。
• 参考スコア（独自算出の注目度）: 2.360534864805446
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Active inference selects actions by minimising an expected free energy functional over predicted futures. However, adding an expectation over yet-unobserved outcomes means the free energy functional no longer has a Kullback-Leibler structure, which hinders message passing treatments of inference procedures. We propose an alternative formulation based on a Bethe free energy functional, fully supporting inference by message passing. The epistemic drive is maintained by imposing an information constraint, next to normalisation, marginalisation and form constraints, insisting that the mutual information between future observations, states and parameters given actions must be at least as large as the entropy of the goal prior. For a specific value of the corresponding Karush-Kuhn-Tucker multiplier, the stationary point of this constrained Bethe Lagrangian recovers the expected free energy solution. We show that, as the information demand is varied, the solved multiplier moves through its inactive, interior, and saturated regimes. In the inactive regime the agent's epistemic drive switches off entirely, while in the saturated regime it is maximal. We compare the performance of the constrained Bethe agent on three tasks against EFE and Q-MDP.
• Abstract（参考訳）: アクティブ推論は、予測される未来よりも期待される自由エネルギー関数を最小化することによって行動を選択する。 しかし、未観測の結果に対する期待が加わったことは、自由エネルギー汎関数がもはやKullback-Leibler構造を持たず、推論手順のメッセージパッシング処理を妨げていることを意味する。 本稿では、メッセージパッシングによる推論を完全にサポートするBethe自由エネルギー関数に基づく代替の定式化を提案する。 エピステミックドライブは、情報の制約を正規化、辺縁化、フォーム制約に課すことによって維持され、将来の観測、状態、与えられたアクションのパラメータ間の相互情報は、前のゴールのエントロピーの少なくとも1倍の大きさでなければならない、と主張される。 対応するカルーシュ=クン=タッカー乗数の特定の値に対して、この制限されたベテ・ラグランジアンの定常点は期待される自由エネルギー解を回復する。 情報需要が変化するにつれて、解決された乗算器はその不活性、内部、飽和状態を通過する。 不活性な状態では、エージェントのてんかん駆動は完全にオフになり、飽和状態では最大となる。 EFEとQ-MDPの3つのタスクにおける制約されたBetheエージェントの性能を比較した。

関連論文リスト

• Sophisticated Policies from Epistemic Priors [1.430924337853801]
  計画の地平線内では、ソフィケーテッド推論は将来の行動が将来の状態や観測に依存することを許し、アクティブな推論をクローズループにする。 そこで本研究では, 閉ループ推論と共振器駆動を併用することにより, ソフシケート推論とフルジョイント・プライオリティ・推論が環境を解決できることを述べる。
  論文  参考訳（メタデータ） (2026-07-21T19:05:52Z)
• Principled Direction-Free Intrinsic Motivation through Model-Free Epistemic Free-Energy Estimators [7.280207127853575]
  教師なし強化学習は、特定の驚きの方向を前提としない本質的な動機を必要とする。 予測エラーの好奇心は、予測不可能なノイズを含む、予想される総サプライズを報いる。 そこで我々は,選好自由エネルギー目標の新規貢献から,各窓に静止した1つの本質的な報酬を提案する。
  論文  参考訳（メタデータ） (2026-07-18T15:44:45Z)
• Energy-Structured Low-Rank Adaptation for Continual Learning [78.5390284258307]
  textbfEnergy-Concentrated and textbfEnergy-Ordered textbfLow-textbfRank textbfAdaptation (E$2$-LoRA)を提案する。 E$2$-LoRAは、知識を明示的に順序付けして上位のランクに集約することにより、その後のタスクの容量を解放する。
  論文  参考訳（メタデータ） (2026-05-26T12:55:02Z)
• Active Inference in Discrete State Spaces from First Principles [0.0]
  我々は、それを自由エネルギー原則から切り離すことにより、アクティブ推論の概念を明確にすることを目指している。 本稿では,離散状態空間における能動推論を実現するために最適化を行う必要があることを,制約付き発散最小化問題として定式化できることを示す。
  論文  参考訳（メタデータ） (2025-11-25T13:54:10Z)
• Expected Free Energy-based Planning as Variational Inference [2.5935401957183846]
  EFEに基づくプランニングは、生成モデル上での変動自由エネルギー関数の最小化から自然に発生することを示す。 この結果は、不確実性それ自体で計画を変分推論の形式としてキャストすることで、自由エネルギー原理との理論的整合性を強化する。 我々の定式化は,有界計算資源を考慮に入れた複雑性項を取り入れつつ,目標達成と情報獲得を共同で支援する政策を導出する。
  論文  参考訳（メタデータ） (2025-04-21T07:09:05Z)
• Uncertainty-boosted Robust Video Activity Anticipation [72.14155465769201]
  ビデオアクティビティの予測は、ロボットビジョンから自動運転まで幅広い応用可能性を受け入れることで、将来何が起こるかを予測することを目的としている。 近年の進展にもかかわらず、コンテンツ進化過程やイベントラベルの動的相関として反映されたデータ不確実性問題は、何らかの形で無視されている。 本研究では,予測結果の信頼性を示す不確実な値を生成する,不確実性を考慮した頑健なビデオアクティビティ予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-29T12:31:38Z)
• A Neural Active Inference Model of Perceptual-Motor Learning [62.39667564455059]
  アクティブ推論フレームワーク(英: active inference framework、AIF)は、現代の神経科学を基盤とした、有望な新しい計算フレームワークである。 本研究では,ヒトの視覚行動指導において,AIFが期待する役割を捉える能力をテストする。 本稿では,多次元世界状態から自由エネルギーの一次元分布にマッピングする先行関数の新たな定式化について述べる。
  論文  参考訳（メタデータ） (2022-11-16T20:00:38Z)
• A free energy principle for generic quantum systems [0.0]
  本稿では、一般的な量子系を観察者と見なす方法を示し、選択の自由度を基準として、意味論を観察結果に割り当てることのできるエージェントとなる。 生体系は計算資源として量子コヒーレンスを用い, 暗黙的に通信資源として利用することが示唆された。
  論文  参考訳（メタデータ） (2021-12-30T23:34:04Z)
• Active inference, Bayesian optimal design, and expected utility [1.433758865948252]
  活性推論がベイズ決定理論とベイズ設計の最適原理を結合し、期待される自由エネルギーを最小化する方法について述べる。 情報探索行動の自然発生を可能にする、活発な推論のこの側面である。 我々のTmazeシミュレーションは、期待される自由エネルギーを最適化し、期待されるユーティリティを最適化し、純粋に悪用的な振る舞いを誘導することを示す。
  論文  参考訳（メタデータ） (2021-09-21T20:56:32Z)
• Counterfactual Credit Assignment in Model-Free Reinforcement Learning [47.79277857377155]
  強化学習における信用割当は、将来の報酬に対する行動の影響を測定する問題である。 我々は因果理論からモデルフリーなRL設定への反事実の概念を適応する。 我々は、将来の条件値関数をベースラインや批評家として使用するポリシーアルゴリズムのファミリーを定式化し、それらが明らかに低分散であることを示す。
  論文  参考訳（メタデータ） (2020-11-18T18:41:44Z)
• Probing eigenstate thermalization in quantum simulators via fluctuation-dissipation relations [77.34726150561087]
  固有状態熱化仮説(ETH)は、閉量子多体系の平衡へのアプローチの普遍的なメカニズムを提供する。 本稿では, ゆらぎ・散逸関係の出現を観測し, 量子シミュレータのフルETHを探索する理論に依存しない経路を提案する。 我々の研究は、量子シミュレータにおける熱化を特徴づける理論に依存しない方法を示し、凝縮物質ポンプ-プローブ実験をシミュレーションする方法を舗装する。
  論文  参考訳（メタデータ） (2020-07-20T18:00:02Z)
• Whence the Expected Free Energy? [68.8204255655161]
  我々は、期待される自由エネルギー(EFE)が単に「未来の自由エネルギー」ではないことを示した。 そして、新しい目標、期待される未来自由エネルギー(FEEF)を開発する。
  論文  参考訳（メタデータ） (2020-04-17T09:06:56Z)
• Targeted free energy estimation via learned mappings [66.20146549150475]
  自由エネルギー摂動 (FEP) は60年以上前にズワンツィヒによって自由エネルギー差を推定する方法として提案された。 FEPは、分布間の十分な重複の必要性という厳しい制限に悩まされている。 目標自由エネルギー摂動(Targeted Free Energy Perturbation)と呼ばれるこの問題を緩和するための1つの戦略は、オーバーラップを増やすために構成空間の高次元マッピングを使用する。
  論文  参考訳（メタデータ） (2020-02-12T11:10:00Z)

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。