Fugu-MT 論文翻訳(概要): Structural Inductive Biases in Emergent Communication

論文の概要: Structural Inductive Biases in Emergent Communication

arxiv url: http://arxiv.org/abs/2002.01335v4
Date: Tue, 27 Jul 2021 04:13:03 GMT
ステータス: 処理完了
システム内更新日: 2023-01-04 02:24:24.764866
Title: Structural Inductive Biases in Emergent Communication
Title（参考訳）: 創発的コミュニケーションにおける構造誘導ビアーゼ
Authors: Agnieszka S{\l}owik, Abhinav Gupta, William L. Hamilton, Mateja Jamnik, Sean B. Holden, Christopher Pal
Abstract要約: グラフ参照ゲームの開発による人工エージェントにおける表現学習の影響について検討する。グラフニューラルネットワークによりパラメータ化されたエージェントは、単語のバッグやシーケンスモデルと比較して、より構成的な言語を開発する。
参考スコア（独自算出の注目度）: 36.26083882473554
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In order to communicate, humans flatten a complex representation of ideas and their attributes into a single word or a sentence. We investigate the impact of representation learning in artificial agents by developing graph referential games. We empirically show that agents parametrized by graph neural networks develop a more compositional language compared to bag-of-words and sequence models, which allows them to systematically generalize to new combinations of familiar features.
Abstract（参考訳）: 人間はコミュニケーションするために、アイデアとその属性の複雑な表現を1つの単語または文に平らにする。グラフ参照ゲームの開発による人工エージェントにおける表現学習の影響について検討する。グラフニューラルネットワークによってパラメトリ化されたエージェントは、おなじみの機能の新しい組み合わせに体系的に一般化できる、単語の袋やシーケンスモデルよりも合成言語を発達させることを実証的に示す。

関連論文リスト

VisualPredicator: Learning Abstract World Models with Neuro-Symbolic Predicates for Robot Planning [86.59849798539312]
本稿では,記号的・神経的知識表現の強みを組み合わせた一階抽象言語Neuro-Symbolic Predicatesを提案する。提案手法は, サンプルの複雑さの向上, 分布外一般化の強化, 解釈可能性の向上を実現する。
論文参考訳（メタデータ） (2024-10-30T16:11:05Z)
Improving Compositional Generalization Using Iterated Learning and Simplicial Embeddings [19.667133565610087]
構成の一般化は人間には容易だが、ディープニューラルネットワークには難しい。簡単な埋め込みモデルで繰り返し学習を行うことにより、この能力を向上させることを提案する。このような変化の組み合わせは、他のアプローチよりも構成の一般化を改善することが示される。
論文参考訳（メタデータ） (2023-10-28T18:30:30Z)
Variational Cross-Graph Reasoning and Adaptive Structured Semantics Learning for Compositional Temporal Grounding [143.5927158318524]
テンポラルグラウンドティング(Temporal grounding)とは、クエリ文に従って、未編集のビデオから特定のセグメントを特定するタスクである。新たに構成時間グラウンドタスクを導入し,2つの新しいデータセット分割を構築した。ビデオや言語に内在する構造的意味論は、構成的一般化を実現する上で重要な要素である、と我々は主張する。
論文参考訳（メタデータ） (2023-01-22T08:02:23Z)
On Neural Architecture Inductive Biases for Relational Tasks [76.18938462270503]
合成ネットワーク一般化(CoRelNet)と呼ばれる類似度分布スコアに基づく簡単なアーキテクチャを導入する。単純なアーキテクチャの選択は、分布外一般化において既存のモデルより優れていることが分かる。
論文参考訳（メタデータ） (2022-06-09T16:24:01Z)
Oracle Linguistic Graphs Complement a Pretrained Transformer Language Model: A Cross-formalism Comparison [13.31232311913236]
言語グラフ表現が神経言語モデリングを補完し改善する程度について検討する。全体としては、セマンティックな選挙区構造は言語モデリングのパフォーマンスに最も有用である。
論文参考訳（メタデータ） (2021-12-15T04:29:02Z)
Compositional Processing Emerges in Neural Networks Solving Math Problems [100.80518350845668]
人工知能の最近の進歩は、大きなモデルが十分な言語データに基づいて訓練されると、文法構造が表現に現れることを示している。我々は、この研究を数学的推論の領域にまで拡張し、どのように意味を構成するべきかについての正確な仮説を定式化することができる。私たちの研究は、ニューラルネットワークがトレーニングデータに暗黙的に構造化された関係について何かを推測できるだけでなく、個々の意味の合成を合成全体へと導くために、この知識を展開できることを示している。
論文参考訳（メタデータ） (2021-05-19T07:24:42Z)
Neuro-Symbolic Representations for Video Captioning: A Case for Leveraging Inductive Biases for Vision and Language [148.0843278195794]
ビデオキャプションのためのマルチモーダルなニューラルシンボリック表現を学習するための新しいモデルアーキテクチャを提案する。本手法では,ビデオ間の関係を学習する辞書学習手法と,そのペアによるテキスト記述を用いる。
論文参考訳（メタデータ） (2020-11-18T20:21:19Z)
A Formal Analysis of Multimodal Referring Strategies Under Common Ground [11.495268947367979]
そこで我々は,ジェスチャーと言語間の相互作用の顕著な形式的意味的特性を明らかにする。これらの形式的特徴が、参照表現の視聴者判定を予測するためのより良いモデルのトレーニングにどのように貢献するかを示す。
論文参考訳（メタデータ） (2020-03-16T18:08:52Z)
Towards Graph Representation Learning in Emergent Communication [37.8523331078468]
我々は,マルチエージェントシステムにおける言語進化と協調を支援するために,グラフ畳み込みネットワークを利用する。画像ベースの参照ゲームに動機づけられた,複雑度の異なるグラフ参照ゲームを提案する。出現した通信プロトコルは堅牢であり、エージェントはゲームの変動の真の要因を明らかにし、トレーニング中に遭遇したサンプルを超えて一般化することを学ぶ。
論文参考訳（メタデータ） (2020-01-24T15:55:59Z)

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。