研究人员推出SphUnc，一个新颖的框架，将超球面表示学习与结构因果建模相结合，用于复杂的多智能体系统。该方法使用von Mises-Fisher分布将特征映射到单位超球面的潜在空间，通过信息几何融合实现不确定性到认知不确定性和随机不确定性的分解。该框架还整合了球面潜在空间上的结构因果模型，以促进定向影响识别和干预推理，实证评估显示了准确性和可解释性的提高。 AI
影响 为复杂多智能体系统中不确定性感知的推理奠定了几何-因果基础。
排序理由 该条目是一篇学术论文，详细介绍了新框架及其经验评估。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv
- Influence Flower
- Rong Fu
- ScienceCast
- SphUnc
- von Mises-Fisher distributions
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
