- 大型语言模型中的不一致概率判断
使用概率恒等式和重复判断来评估自回归大型语言模型的概率判断的连贯性,结果显示这些模型产生的判断通常是不连贯的,并显示出与概率理论规则相悖的人类式系统偏差;此外,当被提示对同一事件进行判断时,自回归大型语言模型产生的概率判断的均值 - 方差关 - 使用有符号概率类别超提取遗址
使用具有负概率的有符号分布,本文介绍了一种新的保守型超几何分布的扩展,允许任意大小的抽取,包括超额抽取,同时系统地处理负概率,并强调多重集合和单子在范畴概率中的中心作用。
- 福尔摩斯不玩骰子:证据理论对社会和生命科学的意义
证据理论可用于数据融合中,能够表达由于担心事件可能发生而产生的不确定性,与概率论相比,它不仅仅限于决策者目前设想的可能性;我们阐述了 Dempster-Shafer 的组合规则与贝叶斯定理在各种概率论版本中的关系,并讨论了信息论应用受证据理 - 利用结构模型将因果关系简化为函数
我们提出了一种基于结构功能模型的因果关系的约化定义,使用增量压缩和对比前推理,SFM 可以产生符合我们直觉的因果关系表达式,与概率论兼容但不可约化。
- 因果关系的测度论公理化
本文提出了 “因果空间” 的概念,该概念是由一个概率空间和一组称为 “因果内核” 的转移概率内核组成的,从而基于概率理论的公理化为因果性提供了一个框架。
- 不定概率神经网络
本文提出了一种新的概率神经网络模型 IPNN,该模型能够将神经网络和概率理论结合起来,并且在分类任务中具有无监督聚类的能力。该模型可以使用很小的神经网络对数十亿个类别进行分类。
- AAAI利用概率表示增强半监督语义分割
本文提出了一个基于概率理论的 Probabilistic Representation Contrastive Learning(PRCL)框架,通过将像素到表示的映射建模为多维高斯分布的概率,可以调节不确定性表示的贡献,提高表示的可靠性, - 一种适用于因果推理的基本概率模糊逻辑框架
该论文介绍了一个基础框架,用于创建概率论和模糊逻辑之间的桥梁,提出了一种将随机实验与具有某种模糊属性的清晰元素的选择联系起来的方法,并介绍了在因果推断中应用该框架的实例。
- 知识图谱中基于排名评估度量的统一框架
介绍了基于排名的指标来生成缺失的负样本,提出了两种改进现有指标的方法(不同聚合函数和概率理论),并提出了更易于解释和比较的几个新的基于排名的指标,而且还伴随着使用这些指标评估知识图谱嵌入模型的示例。
- ICML平方和多项式变换
本篇论文提出了基于三角地图的通用高维密度估计框架,该框架揭示了现有自回归和流方法的共性和差异,提出了一种可解释、通用且易于训练的 SOS 流。通过在不同密度几何结构上的几个合成实验中进行演示,SOS 流在模拟和实际数据集中均取得了具有竞争力 - TensorFlow 分布
TensorFlow Distributions 是面向现代深度学习范式的一种概率理论实现,它提供了灵活的概率计算构件,例如 Distributions 和 Bijectors, 它们支持高维分布的构建和黑盒推断。
- IJCAI强度因素:一个量化模态逻辑的不确定性系统
提出了一种新的基于概率论和证明论的处理量化模态逻辑 (一阶模态逻辑) 不确定性的系统,通过解决归纳处置的问题,使 Chisholm 的理论得到具体实现,可用于交互式系统,用于解释其不确定性提供合理解释。
- 高阶概率理论的便捷类别
介绍了赋予高阶函数和连续分布的概率编程语言的新概率论形式化 —— 拟 Borel 空间。展示了拟 Borel 空间可以替代标准可测空间、支持高阶函数、支持等式推理证明、同时支持连续概率分布,并将其运用于高阶函数与概率的理论证明。
- 在计算资源限制下推理信念和行动
讨论在计算能力不足时使用替代逼近过程和启发式方法以及使用用户效用结构对推理进行量身定制来平衡部分结果的成本和收益的应用决策理论来解决困难问题的解决方案。
- 归纳推理的一般非概率理论
通过定义和说明,本文提出了一种新的解决方案来代表非概率性信念状态,并将其与概率理论进行比较,发现新理论在结构上类似于概率理论,但更容易实现,并且在某些方面更为简单。
- d - 分离:从定理到算法
本文提出了一种高效算法,能够根据贝叶斯网络的拓扑结构确定所有的相关性,算法的正确性和最大性源于基于概率理论的 d - 分离的完备性和正确性。该算法的时间复杂度为 O (lE l),E 为网络中边的数量。
- 超级鞅的大偏差指数不等式
在给定的指数时刻下,给出了超级鞅差异序列和 ω 定理的指数时刻条件,并证明了该条件下的功率为最优。在特定情况下,当 ω=1/3 时,我们恢复了 Lesigne 和 Volny 的不等式。
- 分布语义下概率逻辑编程的明确定义和高效推理
探讨了分布语义的适用范围和计算查询概率的有效性,提出了用于将概率程序转换为普通程序,并应用 SLG 分辨率和答案包含进行计算的算法 “基于表和答案包 计算的概率推理(PITA)” 来计算查询的概率。
- 高维概率论
该论文主要研究概率论、高斯过程、极限定理、经验过程和 Banach 空间的相关问题,讨论了这些问题在不同的结构限制下的特征与性质。
- 随机动力系统
本文介绍了随机动力系统的基本概念和应用,该系统将概率论和动力学系统的思想和方法进行了结合,旨在处理实际系统的不确定性和小误差问题。