論文の概要: Understanding Our People at Scale

• arxiv url: http://arxiv.org/abs/2001.09743v1
• Date: Sun, 5 Jan 2020 18:35:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-08 20:50:06.726406
• Title: Understanding Our People at Scale
• Title（参考訳）: スケールでの人々の理解
• Authors: Tam N. Nguyen
• Abstract要約: 本稿では,人間の心理的アーティファクトを大規模に検出するためのハイブリッド機械学習とオントロジーに基づく推論システムを提案する。 システム出力は、ビジネスプロセスを最適化するためのグラフ科学および/またはモデル管理システムによってさらに消費される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human psychology plays an important role in organizational performance. However, understanding our employees is a difficult task due to issues such as psychological complexities, unpredictable dynamics, and the lack of data. Leveraging evidence-based psychology knowledge, this paper proposes a hybrid machine learning plus ontology-based reasoning system for detecting human psychological artifacts at scale. This unique architecture provides a balance between system's processing speed and explain-ability. System outputs can be further consumed by graph science and/or model management system for optimizing business processes, understanding team dynamics, predicting insider threats, managing talents, and beyond.
• Abstract（参考訳）: 人間の心理学は組織のパフォーマンスにおいて重要な役割を果たす。 しかしながら、心理的複雑性、予測不能なダイナミクス、データの欠如といった問題から、従業員の理解は難しい課題です。 本稿では,エビデンスに基づく心理学的知識を活用することで,人間の心理的アーティファクトを大規模に検出するためのハイブリッド機械学習とオントロジーに基づく推論システムを提案する。 このユニークなアーキテクチャは、システムの処理速度と説明可能性のバランスを提供する。 システムのアウトプットは、ビジネスプロセスの最適化、チームのダイナミクスの理解、インサイダーの脅威の予測、人材の管理など、グラフサイエンスやモデル管理システムによってさらに消費される。

関連論文リスト

• Multilevel Interpretability Of Artificial Neural Networks: Leveraging Framework And Methods From Neuroscience [7.180126523609834]
  生体と人工のニューラルシステムの両方を解釈するには、これらのシステムを複数のレベルで分析する必要がある、と我々は主張する。 生体および人工神経系の解析に使用できる分析ツールのシリーズを提示する。 全体として、マルチレベル解釈可能性フレームワークは、ニューラルネットワークの複雑さに取り組むための原則化された方法を提供する。
  論文  参考訳（メタデータ） (2024-08-22T18:17:20Z)
• Machine Psychology [54.287802134327485]
  我々は、心理学にインスパイアされた行動実験において、研究のための実りある方向が、大きな言語モデルに係わっていると論じる。 本稿では,本手法が表に示す理論的視点,実験パラダイム,計算解析技術について述べる。 これは、パフォーマンスベンチマークを超えた、生成人工知能(AI)のための「機械心理学」の道を開くものだ。
  論文  参考訳（メタデータ） (2023-03-24T13:24:41Z)
• Interpreting Neural Policies with Disentangled Tree Representations [58.769048492254555]
  本稿では,コンパクトなニューラルポリシーの解釈可能性について,不整合表現レンズを用いて検討する。 決定木を利用して,ロボット学習における絡み合いの要因を抽出する。 学習したニューラルダイナミクスの絡み合いを計測する解釈可能性指標を導入する。
  論文  参考訳（メタデータ） (2022-10-13T01:10:41Z)
• Synergistic information supports modality integration and flexible learning in neural networks solving multiple tasks [107.8565143456161]
  本稿では,様々な認知タスクを行う単純な人工ニューラルネットワークが採用する情報処理戦略について検討する。 結果は、ニューラルネットワークが複数の多様なタスクを学習するにつれて、シナジーが増加することを示している。 トレーニング中に無作為にニューロンを停止させると、ネットワークの冗長性が増加し、ロバスト性の増加に対応する。
  論文  参考訳（メタデータ） (2022-10-06T15:36:27Z)
• Intelligent problem-solving as integrated hierarchical reinforcement learning [11.284287026711125]
  生物学的エージェントにおける複雑な問題解決行動の開発は階層的認知機構に依存している。 本稿では,生物にインスパイアされた階層的なメカニズムを組み込むことにより,人工エージェントの高度な問題解決能力を実現する方法を提案する。 われわれの結果は、より洗練された認知にインスパイアされた階層型機械学習アーキテクチャの開発を導くことを期待している。
  論文  参考訳（メタデータ） (2022-08-18T09:28:03Z)
• The world seems different in a social context: a neural network analysis of human experimental data [57.729312306803955]
  本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。 トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
  論文  参考訳（メタデータ） (2022-03-03T17:19:12Z)
• Deep Interpretable Models of Theory of Mind For Human-Agent Teaming [0.7734726150561086]
  我々は、他の観測対象の意図をモデル化するための解釈可能なモジュラー・ニューラル・フレームワークを開発する。 Minecraftの検索および救助タスクで、人間の参加者のデータに関する実験を行い、アプローチの有効性を実証します。
  論文  参考訳（メタデータ） (2021-04-07T06:18:58Z)
• Cognitive architecture aided by working-memory for self-supervised multi-modal humans recognition [54.749127627191655]
  人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。 ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。 1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
  論文  参考訳（メタデータ） (2021-03-16T13:50:24Z)
• Learning to Complement Humans [67.38348247794949]
  オープンワールドにおけるAIに対するビジョンの高まりは、知覚、診断、推論タスクのために人間を補完できるシステムの開発に焦点を当てている。 我々は,人間-機械チームの複合的なパフォーマンスを最適化するために,エンド・ツー・エンドの学習戦略をどのように活用できるかを実証する。
  論文  参考訳（メタデータ） (2020-05-01T20:00:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。