مدیریت عدم قطعیت های معرفتی و آشکار در مدارهای احتمالی

عنوان مدیریت عدم قطعیت های معرفتی و آشکار در مدارهای احتمالی
نویسنده Cerutti، F.، Kaplan، L. M.، Kimmig، A.، Sensoy، Murat
تاریخ انتشار: 2022-04
محل انتشار - اسپرینگر
موضوع یادگیری بیزی، احتمالات غیردقیق، مدار احتمالی
نوع دوره ای
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه: دانشگاه اوزیغین
شناسه دارایی کتابخانه 0885-6125
شماره ثبت 118af8df-0649-4c2d-8e4b-e0a904b71a82
محل کتابخانه علوم کامپیوتر
تاریخ 2022-04
یادداشت‌ها وزارت دفاع ایالات متحده آمریکا آزمایشگاه تحقیقاتی ارتش ایالات متحده (ARL) ; وزارت دفاع بریتانیا
متن نمونه هنگام همکاری با یک سیستم هوش مصنوعی، باید ارزیابی کنیم که چه زمانی به توصیه های آن اعتماد کنیم. اگر به اشتباه در مناطقی که احتمال خطا وجود دارد به آن اعتماد کنیم، ممکن است شکست‌های فاجعه‌باری رخ دهد، بنابراین نیاز به رویکردهای بیزی برای استدلال احتمالی به منظور تعیین اطمینان (یا عدم قطعیت معرفتی) در احتمالات در پرتو داده‌های آموزشی است. ما رویکردی را برای استنتاج بیزی از توزیع‌های پسین پیشنهاد می‌کنیم که بر فرض استقلال پشت اکثر رویکردهایی که با کلاس بزرگی از استدلال احتمالی که شامل شبکه‌های بیزی و همچنین چندین نمونه از منطق احتمالاتی است، غلبه می‌کند. ما الگوریتمی را برای استنتاج بیزی توزیع‌های پسین از مشاهدات پراکنده، البته کامل، و برای استنتاج استنتاج و اطمینان آنها ارائه می‌کنیم که وابستگی‌های بین متغیرها را زمانی که در فرمالیسم محاسباتی یکپارچه ارائه شده توسط مدارهای احتمالی دستکاری می‌شوند، حفظ می‌کند. هر برگ از چنین مدارهایی با یک متغیر تصادفی توزیع شده بتا برچسب گذاری شده است که چارچوبی زیبا برای نمایش احتمالات نامشخص در اختیار ما قرار می دهد. ما به برآورد بهتر عدم قطعیت معرفتی نسبت به رویکردهای پیشرفته، از جمله رویکردهای بسیار مهندسی شده دست می‌یابیم، در حالی که می‌توانیم مدارهای عمومی را مدیریت کنیم و فقط با افزایش اندکی در تلاش محاسباتی در مقایسه با استفاده از احتمالات نقطه‌ای.
DOI 10.1007/s10994-021-06086-4
Cilt 111
مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات دانشگاه اوزیغین

مدیریت عدم قطعیت های معرفتی و آشکار در مدارهای احتمالی

نویسنده Cerutti، F.، Kaplan، L. M.، Kimmig، A.، Sensoy، Murat
تاریخ انتشار 2022-04
محل انتشار - اسپرینگر
موضوع یادگیری بیزی، احتمالات غیردقیق، مدار احتمالی
نوع دوره ای
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه دانشگاه اوزیغین
شناسه دارایی کتابخانه 0885-6125
شماره ثبت 118af8df-0649-4c2d-8e4b-e0a904b71a82
محل کتابخانه علوم کامپیوتر
تاریخ 2022-04
یادداشت‌ها وزارت دفاع ایالات متحده آمریکا آزمایشگاه تحقیقاتی ارتش ایالات متحده (ARL) ; وزارت دفاع بریتانیا
متن نمونه هنگام همکاری با یک سیستم هوش مصنوعی، باید ارزیابی کنیم که چه زمانی به توصیه های آن اعتماد کنیم. اگر به اشتباه در مناطقی که احتمال خطا وجود دارد به آن اعتماد کنیم، ممکن است شکست‌های فاجعه‌باری رخ دهد، بنابراین نیاز به رویکردهای بیزی برای استدلال احتمالی به منظور تعیین اطمینان (یا عدم قطعیت معرفتی) در احتمالات در پرتو داده‌های آموزشی است. ما رویکردی را برای استنتاج بیزی از توزیع‌های پسین پیشنهاد می‌کنیم که بر فرض استقلال پشت اکثر رویکردهایی که با کلاس بزرگی از استدلال احتمالی که شامل شبکه‌های بیزی و همچنین چندین نمونه از منطق احتمالاتی است، غلبه می‌کند. ما الگوریتمی را برای استنتاج بیزی توزیع‌های پسین از مشاهدات پراکنده، البته کامل، و برای استنتاج استنتاج و اطمینان آنها ارائه می‌کنیم که وابستگی‌های بین متغیرها را زمانی که در فرمالیسم محاسباتی یکپارچه ارائه شده توسط مدارهای احتمالی دستکاری می‌شوند، حفظ می‌کند. هر برگ از چنین مدارهایی با یک متغیر تصادفی توزیع شده بتا برچسب گذاری شده است که چارچوبی زیبا برای نمایش احتمالات نامشخص در اختیار ما قرار می دهد. ما به برآورد بهتر عدم قطعیت معرفتی نسبت به رویکردهای پیشرفته، از جمله رویکردهای بسیار مهندسی شده دست می‌یابیم، در حالی که می‌توانیم مدارهای عمومی را مدیریت کنیم و فقط با افزایش اندکی در تلاش محاسباتی در مقایسه با استفاده از احتمالات نقطه‌ای.
DOI 10.1007/s10994-021-06086-4
Cilt 111
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین شما در حال هدایت مجدد هستید...

لطفاً صبر کنید