腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
CreateAMind
专栏作者
举报
918
文章
577488
阅读量
55
订阅数
订阅专栏
申请加入专栏
全部文章
其他
模型
https
人工智能
神经网络
深度学习
编程算法
系统
机器学习
框架
强化学习
网络安全
github
数据
算法
开源
编码
网络
原理
工作
论文
代理
连接
自动驾驶
游戏
git
机器人
对象
架构
python
存储
memory
函数
http
基础
华为
设计
tensorflow
html
linux
无人驾驶
model
数学
效率
优化
models
网站
大数据
分布式
keras
变量
测试
图表
nat
abstract
free
theory
NLP 服务
pytorch
无监督学习
数据分析
agent
code
地图
ios
微信
安全
action
bayesian
epoch
message
openai
self
程序
集合
事件
统计
性能
硬件
java
.net
ide
自动化
algorithm
data
logic
network
set
state
编程
后端
解决方案
视频
搜索
同步
c++
go
node.js
api
文件存储
容器
监督学习
iis
windows
数据结构
processing
教育
coding
com
constraints
debug
distribution
function
gaussian
gpt
gradient
gwt
maze
object
output
pdf
position
probability
process
scale
simulation
slide
structure
task
this
time
using
笔记
部署
工具
计算机
开发
内存
配置
前端
全栈
软件
协议
芯片
压缩
语法
语音
objective-c
mac os
php
lua
css
json
arm
硬件开发
云数据库 Redis
ubuntu
容器镜像服务
spring
批量计算
访问管理
腾讯云测试服务
图像处理
高性能计算
企业
缓存
ssh
卷积神经网络
erp
gui
面向对象编程
自动化测试
tcp/ip
模式识别
迁移学习
数据处理
数据可视化
架构设计
fpga
信息流
云计算
分类算法
迁移
es
学习方法
abstraction
analysis
architecture
area
binary
build
chatgpt
classification
config
core
correlation
cpu
dataset
detection
diff
directory
email
error
event
events
feed
file
fixed
focus
format
formatting
frameworks
global
gmail
google
hidden
hpc
identity
input
julia
key
linkedin
local
matrix
meta
mnist
modeling
mpi
paypal
permutation
physics
ps
reduce
reference
return
rgb
rules
sampling
semantics
sharing
simulator
size
sort
spaces
statistics
subset
target
testing
title
torch
vector
version
vr
wiki
workspace
递归
动态规划
二进制
反射
翻译
高性能
工程师
镜像
开源硬件
可视化
量化
模块化
实践
调试
学习笔记
数据转换
深度学习框架
搜索文章
搜索
搜索
关闭
大语言模型无法实现具身认知
数据
系统
人工智能
基础
模型
Generating meaning: active inference and the scope and limits of passive AI
用户1908973
2024-03-25
38
0
Action perception as hypothesis testing
action
testing
对象
模型
系统
我们提出了一种新颖的计算模型,将动作感知描述为一种主动推理过程,结合了运动预测(重用我们自己的运动系统来预测感知运动)和假设检验(使用眼球运动来消除假设之间的歧义)。该系统使用如何执行(手臂和手)动作的生成模型来生成特定假设的视觉预测,并将扫视引导到视觉场景中信息最丰富的位置,以测试这些预测和潜在的假设。我们使用人类行为观察研究中的眼动数据来测试该模型。在人类研究和我们的模型中,每当上下文提供准确的动作预测时,眼跳都是主动的;但不确定性会通过跟踪观察到的运动而引发更具反应性的凝视策略。我们的模型提供了一种关于行动观察的新颖视角,突出了其基于预测动态和假设检验的主动性质。
用户1908973
2024-03-25
58
0
使用 Langevin 扩散对流形进行采样和估计
集合
算法
error
process
sampling
Error bounds are derived for sampling and estimation using a discretization of an intrinsically defined Langevin diffusion with invariant measure dμϕ∝e−ϕdvolg on a compact Riemannian manifold. Two estimators of linear functionals of μϕ based on the discretized Markov process are considered: a time-averaging estimator based on a single trajectory and an ensemble-averaging estimator based on multiple independent trajectories. Imposing no restrictions beyond a nominal level of smoothness on ϕ, first-order error bounds, in discretization step size, on the bias and variances of both estimators are derived. The order of error matches the optimal rate in Euclidean and flat spaces, and leads to a first-order bound on distance between the invariant measure μϕ and a stationary measure of the discretized Markov process. Generality of the proof techniques, which exploit links between two partial differential equations and the semigroup of operators corresponding to the Langevin diffusion, renders them amenable for the study of a more general class of sampling algorithms related to the Langevin diffusion. Conditions for extending analysis to the case of non-compact manifolds are discussed. Numerical illustrations with distributions, log-concave and otherwise, on the manifolds of positive and negative curvature elucidate on the derived bounds and demonstrate practical utility of the sampling algorithm.
用户1908973
2024-03-25
58
0
因果推理比概率推理更难吗?
工具
模型
事件
数据
统计
统计和因果推理中的许多任务可以被解释为合适的形式语言中的蕴含问题。我们问,从计算的角度来看,对于因果概率语言来说,这些问题是否比纯概率(或“关联”)语言更困难。尽管从多种意义上讲,因果推理确实更复杂——无论是表达上的还是推理上的——我们表明因果蕴涵(或可满足性)问题可以系统地、稳健地简化为纯粹的概率问题。因此,计算复杂性不会增加。在此过程中,我们回答了几个有关众所周知的概率逻辑复杂性的开放性问题,特别是证明了多项式概率演算的∃R完备性,以及一个看似简单得多的系统,即比较条件概率的逻辑。
用户1908973
2024-03-25
63
0
机器人建模第一原理
机器人
编码
函数
模型
原理
DYNAMIC PLANNING IN HIERARCHICAL ACTIVE INFERENCE
用户1908973
2024-03-25
56
0
情绪的机制分析
工作
模型
系统
强化学习
代理
Deeply felt affect- the emergence of valence in deep active inference
用户1908973
2024-03-07
46
0
集体智慧发生的机制
框架
模型
系统
性能
代理
An Active Inference Model of Collective Intelligence
用户1908973
2024-03-06
79
0
不教导导航的情况下进行导航
代理
地图
模型
数据
系统
Spatial and Temporal Hierarchy for Autonomous Navigation using Active Inference in Minigrid Environment
用户1908973
2024-03-06
87
0
ASI 8年计划 paper7 生成模型、语言交流和主动推理
工作
模型
语法
代理
对象
Generative models, linguistic communication and active inference
用户1908973
2024-03-06
74
0
ASI 8年计划 paper6 图网络大脑: 信念传播和主动推理
变量
编码
连接
模型
网络
《The graphical brain: Belief propagation and active inference》
用户1908973
2024-03-06
49
0
ASI 8年计划 paper5 主动推理的离散状态全面概述
系统
代理
函数
模型
数据
Active inference on discrete state-spaces A synthesis
用户1908973
2024-02-28
86
0
ASI 8年计划 paper4 The FEP for Perception and Action: 深度学习视角
action
代理
模型
数据
深度学习
The Free Energy Principle for Perception and Action: A Deep Learning Perspective
用户1908973
2024-02-26
62
0
超越OpenAI,我们是认真的:几千步就能学习游戏玩法,参数是现有模型1%的新AGI
模型
效率
游戏
openai
测试
不列颠哥伦比亚省温哥华 / 2024 年 2 月 22 日 / VERSES AI Inc. (CBOE:VERS) (OTCQB:VRSSF)(“VERSES”或“公司”)是一家开发下一代智能软件系统的认知计算公司,今天提供了研究路线图概述了衡量公司研发工作的进展和重要性的关键里程碑和基准,与传统的深度学习相比,以造福工业界、学术界和公众。
用户1908973
2024-02-26
147
0
ASI 8年计划 paper8 自由能原理建模生物神经形态发生
系统
原理
迁移
编码
模型
https://royalsocietypublishing.org/doi/full/10.1098/rsif.2014.1383
用户1908973
2024-02-26
64
0
超越 Sora 自动学习完整的世界模型结构
代理
对象
模型
数据
编码
原则上,该模型将自动发现正确数量的因子,以及每个因子中正确数量的状态之间的正确数量的路径。
用户1908973
2024-02-26
59
0
开发一个通用的、可推广的生物表征能力模型;即表型表征理论
编码
集合
开发
模型
系统
Neural and phenotypic representation under the free-energy principle 2021
用户1908973
2024-02-26
99
0
主动推理一书 序及第一章翻译
翻译
框架
模型
设计
原理
Thomas Parr, Giovanni Pezzulo, and Karl J. Friston
用户1908973
2024-02-26
59
0
认知表征到底是什么?Is the FEP a Formal Theory of Semantics?representation
模型
数学
系统
semantics
theory
本文的目的有两个:(1)评估神经表征的构造在变分自由能原理及其推论过程理论、主动推理下是否发挥解释作用; (2)如果是这样,评估哪种哲学立场 相对于表征的本体论和认识论地位 是最合适的。我们专注于非现实主义(紧缩和虚构主义‑工具主义)方法。我们考虑对心理表征的紧缩解释,根据这种解释,神经表征的解释性相关内容是数学的,而不是认知的;以及虚构主义或工具主义的解释,根据这种表征是服务于解释(和其他)目标的科学上有用的虚构。在回顾了自由能原理和主动推理之后,我们认为自由能原理下的自适应表型模型可以用来提供形式语义,使我们能够将语义内容分配给特定的表型状态(一个表型的内部状态)远离平衡的马尔可夫系统)。我们提出了一种修改后的虚构主义解释 以有机体为中心的虚构主义或工具主义。我们认为,在自由能原则下,即使对神经表征的内容进行紧缩解释,也可以诉诸认知系统的“关于性”或意向性中涉及的语义内容;因此,我们的立场与现实主义立场是一致的,但又基于与现实主义立场不同的假设。我们认为,自由能原理因此解释了生命系统中的有关性或意向性,以及它们使用本体论或一组语义因素解析其感官流的能力。
用户1908973
2024-02-26
91
0
求论文:A Conceptual Consideration of the Free Energy Principle in
论文
神经网络
free
编码
地图
A Conceptual Consideration of the Free Energy Principle in Cognitive Maps: How Cognitive Maps Help Reduce Surprise
用户1908973
2024-02-26
74
0
ASI 8年计划 paper3书:一个框架整合大脑理论 概要+公式图表
原理
框架
模型
设计
图表
本章介绍了主动推理的主要问题 寻求解决:当生物体与它们的环境进行适应性交换时,它们是如何生存的?我们从规范的角度讨论解决这个问题的动机,从基本原则开始,然后解开它们的认知和生物学含义。此外,本章简要介绍了这本书的结构,包括它分为两个部分:第一部分旨在帮助读者理解主动推理,第二部分旨在帮助他们在自己的研究中使用它。
用户1908973
2024-02-26
101
0
点击加载更多
社区活动
Python精品学习库
代码在线跑,知识轻松学
点击查看
【玩转EdgeOne】征文进行中
限时免费体验,发文即有奖~
立即参加
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·干货材料·成员作品·最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档