論文の概要: Dual Boundary Condition Inference: A Two-Boundary Product Rule and Its Implications

• arxiv url: http://arxiv.org/abs/2609.27120v1
• Date: Tue, 22 Sep 2026 22:21:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.788473
• Title: Dual Boundary Condition Inference: A Two-Boundary Product Rule and Its Implications
• Title（参考訳）: デュアルバウンダリ条件推論:2つのバウンダリ製品ルールとその意味
• Abstract要約: 多くの問題は、フォワード情報と結果に対する第2の制約という2つの側面から制約される。 この規則は新しいものではなく、これは経験の積形式であり、対数プールファミリーの単位経験的メンバーである。 本論文は分類と再現性の特徴付けに貢献する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many inference problems are constrained from two sides: forward information and a second constraint on outcomes. Dual Boundary Condition Inference (DBCI) multiplies them and renormalises. The rule is not new: it is the product-of-experts form and the unit-exponent member of the logarithmic-pooling family. The paper contributes a classification and reducibility characterisation. The algebra does not fix the exponent at which the inputs combine: given the statistic log p_fwd + log p_bwd, which already builds in the product form, maximum entropy supplies the family (p_fwd p_bwd)^lambda and selects no member. If the inputs are read as two equally weighted opinions, three requirements select lambda = 1/2: unanimity preservation, consistency under a common Bayesian update, and minimal symmetric Kullback-Leibler divergence. If they are read as separately applied factors, two requirements select lambda = 1: a neutral second input must leave the first unchanged, and an update to one input must pass through unchanged. For a rank-one intermediate projective measurement, the Aharonov-Bergmann-Lebowitz (ABL) rule realises this form with no extra parameter. Every positive exponent orders outcomes identically, so the choice is invisible to picking the likeliest outcome, but not to scoring a class by total mass. Under the relevant identifications, the same product form gives Bayes' rule, while a final effect proportional to the identity returns the ordinary forward Born probabilities. The second result is a Two-Boundary Reducibility Criterion: DBCI factors through the forward boundary exactly when the effective backward boundary, up to positive rescaling, does. So a fixed prior or model-fixed structural constraint adds no distinctions between cases sharing the same forward boundary, though it may encode substantial information and still materially affect the result.
• Abstract（参考訳）: 多くの推論問題は、フォワード情報と結果に対する第2の制約という2つの側面から制約される。 二重境界条件推論(DBCI)はそれらを乗算して再正規化する。 この規則は新しいものではなく、これは経験の積形式であり、対数プールファミリーの単位経験的メンバーである。 本論文は分類と再現性の特徴付けに貢献する。 この代数学は入力が結合する指数を固定しない: 統計対数 p_fwd + log p_bwd が既に積形式で成り立つと、最大エントロピーは族 (p_fwd p_bwd)^lambda を供給し、メンバーを選ばない。 入力が2つの重み付けされた意見として読まれる場合、3つの要件はラムダ = 1/2: 一様性保存、共通のベイズ更新の下での一貫性、最小対称のカルバック・リーブラ分岐である。 もしそれらが別々に適用された要素として読み込まれるなら、2つの要件はlambda = 1を選択する。 ランク1の中間射影測度に対して、ABL(Aharonov-Bergmann-Lebowitz)則は余剰パラメータなしでこの形式を実現する。 すべての正の指数は結果が同じであるので、選択は最も良い結果を選ぶことは見えず、総質量でクラスを得点することではない。 関連する識別の下では、同じ積形式はベイズの規則を与えるが、同一性に比例する最終的な効果は通常のフォワードボルン確率を返す。 2つ目の結果は2境界還元率基準である: DBCI は、有効後方境界が正の再スケーリングまで正確に設定されたときに、前方境界を通る因子である。 したがって、固定された事前またはモデルに固定された構造的制約は、同じ前方境界を共有する場合とを区別するものではない。

関連論文リスト

• Fast Weight Attention for Continual Learning [75.34672054079408]
  リカレント高速記憶と選択状態空間モデルは、拡張コンテキストを固定サイズのリカレント状態に圧縮する。 正則化された二乗誤差回帰と負の内積目標の1次更新を導出する。 我々は、数値的に安定な正のデカイ再正規化とともに、繰り返し、マスクパラレル、チャンクパラレル形式を提供する。
  論文  参考訳（メタデータ） (2026-08-27T22:55:11Z)
• Feature Priming in Online Linear Regression: Sparse-Regret Lower Bounds and a Tight Univariate Rate [47.36630149538994]
  高次元のオンライン予測では、最良の予測子はいくつかの機能にのみ依存する可能性があるため、後悔は周囲の次元ではなく、疎らさでスケールすべきである。 WarmuthとAmidはCOLT 2023で、これらの3つのルールのいずれかが競合するオンライン後悔の保証を認めているかどうかを尋ねた。 安価なニュアンスは、リフィットが真の予測座標を過度に重くする原因となる。
  論文  参考訳（メタデータ） (2026-08-18T09:32:03Z)
• Split the Labor: Separating Evidence Interpretation from Decision Aggregation [0.0]
  言語モデルに多くの情報源から結論に達するよう要求するシステムは通常、それらを1つのプロンプトに分割する。 提案する4分野のエビデンス(仮説,信頼性バケット,合理性,証明)は,両半減期を決定することを示す。 この修正はアーキテクチャよりも算術的であり、言語モデル以外のルールのクラスに適用される。
  論文  参考訳（メタデータ） (2026-08-14T17:24:55Z)
• Finite Constant Frontiers and Auditable Regret Certificates for Average-Reward Reinforcement Learning [0.9558392439655014]
  定数対応比較プロトコルを導入し、MPPを通信するための明示的な有限下位証明書を導出する。 共通閉形式エンベロープは有限フロンティアで発行された係数を0.015$に改善する。
  論文  参考訳（メタデータ） (2026-08-07T19:28:58Z)
• A Theory of Conditional Collapse under Low-Rank Weight-Space Ablations: I. The Single-Block Theory and Synthetic Validation [0.0]
  アクティベーションパッチと重み空間のアブレーションはどちらも、コンポーネントが振舞いに対して因果的に責任があると主張しているが、それらは異なるオブジェクトに作用する。 本研究では,残差ストリームを通じて条件計算を付加的に行う理想モデルについて検討する。
  論文  参考訳（メタデータ） (2026-08-04T13:10:19Z)
• What Does a Discrete Diffusion Model Learn? [71.03603607324338]
  離散拡散モデルは、デノイザ、スコア比、ブリッジプラグイン予測器などを学ぶ。 まず, 連続時間マルコフ連鎖 (CTMC) ELBO の任意のノイズ発生過程に対する厳密な導出から始める。 すべてのアイデンティティは、正確に解けるモデル上で近似なしで数値的に検証される。
  論文  参考訳（メタデータ） (2026-07-06T17:56:11Z)
• The Extrapolation Cliff in On-Policy Distillation of Near-Deterministic Structured Outputs [52.709361620508595]
  ListOPDは、パラメータの5分の1で8B-SFTベースラインで、学生をドメイン内に持ち込む。 Amazon Fashionでは、3つの事前登録テスト — 細粒度崖間隔テスト、小さなクリップのクロス予測 — がロックされた予測ウィンドウ内に落下し、グリッド解像度以下のクローズドフォーム予測に一致する小さなクリップ値が設定されている。
  論文  参考訳（メタデータ） (2026-05-09T06:48:00Z)
• Causal Expectation-Maximisation [70.45873402967297]
  ポリツリーグラフを特徴とするモデルにおいても因果推論はNPハードであることを示す。 我々は因果EMアルゴリズムを導入し、分類的表現変数のデータから潜伏変数の不確かさを再構築する。 我々は、反事実境界が構造方程式の知識なしにしばしば計算できるというトレンドのアイデアには、目立たずの制限があるように思える。
  論文  参考訳（メタデータ） (2020-11-04T10:25:13Z)
• Exponentially Weighted l_2 Regularization Strategy in Constructing Reinforced Second-order Fuzzy Rule-based Model [72.57056258027336]
  従来の高木スゲノカン(TSK)型ファジィモデルでは、定数あるいは線形関数がファジィ規則の連続部分として使用されるのが普通である。 調和解析で遭遇する重み関数理論にインスパイアされた指数重みアプローチを導入する。
  論文  参考訳（メタデータ） (2020-07-02T15:42:15Z)

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。