論文の概要: Ontic state recovery through prediction

• arxiv url: http://arxiv.org/abs/2610.27139v1
• Date: Mon, 19 Oct 2026 18:34:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.456893
• Title: Ontic state recovery through prediction
• Title（参考訳）: 予測によるオンティック状態回復
• Abstract要約: 状態は特定のクエリ宇宙上の完全な応答プロファイルである。 この観点から、学習状態は、保持するこれらのプロファイルの区別を通じて理解される。 本研究の目的は, 予測がシステムを知る方法となり得ること, 学習状態が学習状態を維持することの意味を明らかにすることである。
• 参考スコア（独自算出の注目度）: 29.896089032205186
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We encounter a system through its responses, yet its state concerns how the system is. Predicting further responses promises knowledge beyond what is immediately observed. What that knowledge tells us about the system's state depends on what we mean by a state in the first place. We give this notion a model-relative meaning: a state is the complete response profile over a specified query universe, and configurations agreeing on every query are regarded as the same state. From this perspective, a learned state is understood through the distinctions between these profiles that it retains. Prediction concerns selected observations; recovery concerns the profile as a whole. We examine their relationship through query ambiguity, state-space geometry, and the choice of prediction targets. Synthetic systems with known response laws and neural recordings provide complementary settings for this investigation. The aim is to clarify how prediction can become a way of knowing a system, and what it would mean for a learned state to preserve the state being studied.
• Abstract（参考訳）: 応答を通じてシステムに遭遇するが、その状態はシステムがどうあるのかを懸念する。 さらなる応答を予測することは、すぐに観察されるもの以上の知識を約束する。 その知識がシステムの状態について私たちに教えてくれるものは、そもそも状態によって何を意味するかによって異なります。 状態は、指定されたクエリ宇宙上の完全な応答プロファイルであり、全てのクエリに一致する構成は、同じ状態とみなされる。 この観点から、学習状態は、保持するこれらのプロファイルの区別を通じて理解される。 予測対象は選択された観察であり、回復対象は全体のプロファイルである。 問合せのあいまいさ,状態空間形状,および予測対象の選択を通して,それらの関係について検討する。 既知の応答法則とニューラル記録を持つ合成システムは、この調査に補完的な設定を提供する。 本研究の目的は, 予測がシステムを知る方法となり得ること, 学習状態が学習状態を維持することの意味を明らかにすることである。

関連論文リスト

• Active Neural Matter: A Finite-Window Response Framework for Physical Systems and Distributed AI Workflows [0.16741831494720968]
  物理システムと分散AIは過去の情報を保持し、遅延したフィードバックを受け取り、競合する信号を組み合わせることができる。 Active Neural Matterは、有限ウィンドウ応答フレームワークを通じてこの問題に対処する。 ANMは応答予測と測定可能な情報要求を結合する。
  論文  参考訳（メタデータ） (2026-10-10T04:15:06Z)
• Orthogonal JEPA: Factorized Predictive States for Latent World Models [95.20158869896393]
  予測因数分解に基づく潜在的世界モデリングフレームワークであるメソッドを導入する。 そこで本研究では,予測構造を弱め,あるいは矛盾する勾配を抑えつつ,冗長なキャパシティを支配的信号に割り当てる手法を提案する。 制御された視覚、単細胞転写学、縦断的な健康記録、連続的な制御、分子動力学の実験は、表現品質、予測、計画、長期安定性を評価する。
  論文  参考訳（メタデータ） (2026-08-20T13:59:57Z)
• A Retrodictive Approach to Quantum State Smoothing [4.059741577689775]
  本稿では,量子ベイズ回帰に基づくスムーズな量子状態の新たな定義を提案する。 このスムーズな状態は、以前の情報だけで再構築された状態よりも平均して高い純度を有することを示す。
  論文  参考訳（メタデータ） (2025-01-27T12:14:54Z)
• General detectability measure [45.85698554568285]
  資源のない状態から資源状態を排除することは、量子情報の基本課題である。 我々は、与えられた$n$-tensorの積状態を検出するために、故障確率の最適指数減衰率を導出した。
  論文  参考訳（メタデータ） (2025-01-16T05:39:22Z)
• Can multiple observers detect KS-contextuality? [0.0]
  状態に依存しない文脈性は、文脈の測定の間にあるシステムに何が起こるかとは独立ではないことを示す。 我々は、状態に依存しないケースにおいても、文脈性の喪失を説明しながら、セットアップの分析的な説明を提供する。
  論文  参考訳（メタデータ） (2023-10-30T14:18:29Z)
• Discovering State Variables Hidden in Experimental Data [11.045105131750713]
  観測されたシステムの状態変数の数を決定するための新しい原理を提案する。 様々な物理力学系の映像記録を用いて,本手法の有効性を実証する。 このアプローチは、ますます複雑なシステムの理解、予測、制御を促進するのに役立つと提案する。
  論文  参考訳（メタデータ） (2021-12-20T18:56:59Z)
• A New Bandit Setting Balancing Information from State Evolution and Corrupted Context [52.67844649650687]
  本稿では,2つの確立されたオンライン学習問題と包括的フィードバックを組み合わせた,逐次的意思決定方式を提案する。 任意の瞬間にプレーする最適なアクションは、エージェントによって直接観察できない基礎となる変化状態に付随する。 本稿では,レフェリーを用いて,コンテキストブレイジットとマルチアームブレイジットのポリシーを動的に組み合わせるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-16T14:35:37Z)

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。