This chapter contains an exposition of the sheaf-theoretic framework for contextuality emphasising resource-theoretic aspects, as well as some original results on this topic. In particular, we consider functions that transform empirical models on a scenario S to empirical models on another scenario T, and characterise those that are induced by classical procedures between S and T corresponding to 'free' operations in the (non-adaptive) resource theory of contextuality. We proceed by expressing such functions as empirical models themselves, on a new scenario built from S and T. Our characterisation then boils down to the non-contextuality of these models. We also show that this construction on scenarios provides a closed structure in the category of measurement scenarios.


翻译:本章介绍了强调资源理论方面背景质量的草木理论框架,以及本专题的一些原始结果。特别是,我们考虑了将S情景的经验模型转换为另一种情景T的经验模型的功能,并将S和T之间与背景质量(非适应性)资源理论中的“自由”操作相对应的经典程序所引发的功能定性为。我们通过表达经验模型本身等功能,根据S和T建立的新情景进行。我们的特性随后归结为这些模型的非背景性。我们还表明,在情景上的这种构造为计量情景类别提供了一个封闭的结构。

0
下载
关闭预览

相关内容

专知会员服务
50+阅读 · 2020年12月14日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
迁移学习简明教程,11页ppt
专知会员服务
107+阅读 · 2020年8月4日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | 国际会议信息10条
Call4Papers
5+阅读 · 2018年12月18日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年1月24日
Arxiv
0+阅读 · 2021年1月6日
VIP会员
相关VIP内容
专知会员服务
50+阅读 · 2020年12月14日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
迁移学习简明教程,11页ppt
专知会员服务
107+阅读 · 2020年8月4日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
Top
微信扫码咨询专知VIP会员