⚠️ このページは機械翻訳されています
この日本語訳は機械翻訳によるもので、誤りや不自然な表現が含まれている場合があります。正確な内容については英語版をご参照ください。
This page was machine-translated and may contain errors. Please refer to the English version for accuracy.
誤りを見つけられた場合は、joseph.austerweil@gmail.com までご連絡いただくか、GitHub リポジトリにプルリクエストをお送りください。
認知科学トラック：ベイズ認知科学
確率モデルを使って、人間や機械の心の理論を構築し検証したい読者のために。
読む順番
- Part I — 基礎：全章
- Part II — 道具（GenJAX）：全章
- Part III — 連続確率とベイズ学習：全章
- Part IV — 構造、全章——一般化の章（シェパードの法則とNo Free Lunchを 含む全4パート）はこのトラックの中心です
- Part V — 連鎖・ウォーク・サンプリング、全章——「ランダムウォークとして の記憶検索」「心をサンプリングする」を含む
- Part VI — 意思決定とRL、全章——逆強化学習（目標推論と心の理論）、 POMDP、現代のRLフロンティアを含む
- Part VII — モデルの複雑さ：「離散ベイズノンパラメトリクス」の章 （Andersonのカテゴリ化の合理モデルはここ）；バイアス-バリアンスとガウス 過程は🤖バッジ付きの追加
- Part VIII — 深層ネットワーク：「LLMと文脈内学習」（暗黙の階層ベイズ としての文脈内学習）と「世界モデル」
- Part IX — 倫理・公平性・安全性：公平性の形式化、データのバイアス、 アラインメント
本プロジェクトは日本確率計算コンソーシアム協会（JPCCA）の助成を受けています。