論文の概要: Vector symbolic architectures for context-free grammars
- arxiv url: http://arxiv.org/abs/2003.05171v2
- Date: Fri, 25 Sep 2020 08:34:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-24 15:15:50.731773
- Title: Vector symbolic architectures for context-free grammars
- Title（参考訳）: 文脈自由文法のためのベクトル記号アーキテクチャ
- Authors: Peter beim Graben, Markus Huber, Werner Meyer, Ronald R\"omer and
Matthias Wolff
- Abstract要約: ベクトル記号アーキテクチャ(VSA)は、記号データの超次元表現に有効なアプローチである。
本稿では,Fock空間における句構造木と文脈自由文法(CFG)の構文木を表現するための厳密な枠組みを提案する。
我々のアプローチは、超次元ディープニューラル計算を用いて、説明可能な人工知能(XAI)のためのVSAの開発を活用することができる。
- 参考スコア（独自算出の注目度）: 0.5862282909017474
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Background / introduction. Vector symbolic architectures (VSA) are a viable
approach for the hyperdimensional representation of symbolic data, such as
documents, syntactic structures, or semantic frames. Methods. We present a
rigorous mathematical framework for the representation of phrase structure
trees and parse trees of context-free grammars (CFG) in Fock space, i.e.
infinite-dimensional Hilbert space as being used in quantum field theory. We
define a novel normal form for CFG by means of term algebras. Using a recently
developed software toolbox, called FockBox, we construct Fock space
representations for the trees built up by a CFG left-corner (LC) parser.
Results. We prove a universal representation theorem for CFG term algebras in
Fock space and illustrate our findings through a low-dimensional principal
component projection of the LC parser states. Conclusions. Our approach could
leverage the development of VSA for explainable artificial intelligence (XAI)
by means of hyperdimensional deep neural computation. It could be of
significance for the improvement of cognitive user interfaces and other
applications of VSA in machine learning.
- Abstract（参考訳）: バックグラウンド/紹介。
ベクトル記号アーキテクチャ (vector symbolic architectures, vsa) は、文書、構文構造、意味フレームといった記号データの超次元表現に対して実行可能なアプローチである。
メソッド。
本稿では、Fock空間における句構造木と文脈自由文法(CFG)のパース木を表現するための厳密な数学的枠組み、すなわち、場の量子論で用いられる無限次元ヒルベルト空間について述べる。
我々は項代数を用いてcfgの新しい正規形式を定義する。
FockBoxと呼ばれる最近開発されたソフトウェアツールボックスを用いて、CFG左コーンパーサ(LC)によって構築されたツリーのFock空間表現を構築する。
結果だ
我々は、フォック空間におけるCFG項代数の普遍的表現定理を証明し、LCパーサ状態の低次元主成分射影を通して結果を説明する。
結論だ
このアプローチは、超次元深層神経計算による説明可能な人工知能(xai)のためのvsaの開発を活用できる。
これは機械学習における認知的ユーザインタフェースや他のvsaの応用の改善に重要な意味を持つかもしれない。
関連論文リスト
- Linear Spaces of Meanings: Compositional Structures in Vision-Language
Models [110.00434385712786]
事前学習された視覚言語モデル(VLM)からのデータ埋め込みにおける構成構造について検討する。
まず,幾何学的観点から構成構造を理解するための枠組みを提案する。
次に、これらの構造がVLM埋め込みの場合の確率論的に持つものを説明し、実際に発生する理由の直観を提供する。
論文 参考訳（メタデータ） (2023-02-28T08:11:56Z) - Category Theory for Quantum Natural Language Processing [0.0]
この論文は、計算言語学と量子力学の類似に基づく量子自然言語処理(QNLP)モデルを導入する。
テキストと文の文法構造は、絡み合い構造が量子系の状態を接続するのと同じように、単語の意味を接続する。
この抽象的なアナロジーを具体的なアルゴリズムに変換し、文法構造をパラメータ化量子回路のアーキテクチャに変換する。
次に、ハイブリッドな古典量子アルゴリズムを用いて、データ駆動タスクにおける文の意味を回路評価によって計算できるようにモデルを訓練する。
論文 参考訳（メタデータ） (2022-12-13T14:38:57Z) - Geometry Interaction Knowledge Graph Embeddings [153.69745042757066]
ユークリッド空間,双曲空間,超球空間間の空間構造を対話的に学習する幾何学的相互作用知識グラフ埋め込み(GIE)を提案する。
提案したGIEは、よりリッチなリレーショナル情報、モデルキー推論パターンをキャプチャし、エンティティ間の表現的セマンティックマッチングを可能にする。
論文 参考訳（メタデータ） (2022-06-24T08:33:43Z) - Incorporating Constituent Syntax for Coreference Resolution [50.71868417008133]
本稿では,構成構文構造をグラフベースで組み込む手法を提案する。
また、高次近傍情報を利用して構成木に富んだ構造をエンコードすることも検討する。
on the English and Chinese parts of OntoNotes 5.0 benchmark shows that our proposed model beats a strong baseline or a new-of-the-art performance。
論文 参考訳（メタデータ） (2022-02-22T07:40:42Z) - Computing on Functions Using Randomized Vector Representations [4.066849397181077]
この新しい関数エンコーディングと計算フレームワーク Vector Function Architecture (VFA) と呼ぶ。
我々の分析と結果から,VFAは分散ニューラルネットワークにおける関数の表現と操作のための強力な新しいフレームワークとなっていることが示唆された。
論文 参考訳（メタデータ） (2021-09-08T04:39:48Z) - A Study of Continuous Vector Representationsfor Theorem Proving [2.0518509649405106]
我々は,論理特性の保存と可逆性を考慮したエンコードを開発した。
これは、すべての記号を含む公式のツリー形状が密度ベクトル表現から再構築できることを意味する。
これらの構文的および意味的特性のトレーニングに使用できるデータセットを提案する。
論文 参考訳（メタデータ） (2021-01-22T15:04:54Z) - Orthologics for Cones [5.994412766684843]
本稿では,そのような幾何学的構造の論理について考察する。
閉凸円錐を保った部分モジュラリティ則を持つ最小オルソロジーの拡張を記述する。
この論理は、(凸性/凸性を明らかにする)実現可能なデータ構造と、完全な直交を含む十分な表現性を組み合わせたものである。
論文 参考訳（メタデータ） (2020-08-07T13:28:27Z) - Software Language Comprehension using a Program-Derived Semantics Graph [29.098303489400394]
プログラム由来のセマンティクスグラフは、コードのセマンティクスをキャプチャする新しい構造である。
PSGは、プログラムセマンティクスを複数の抽象化レベルでキャプチャするための単一の構造を提供するように設計されている。
PSGの探索はまだ初期段階ですが、初期の成果とアーキテクチャ分析から、プログラムのセマンティクスを自動的に抽出する新たな研究方向性が期待できることが示されています。
論文 参考訳（メタデータ） (2020-04-02T01:37:57Z) - Spatial Pyramid Based Graph Reasoning for Semantic Segmentation [67.47159595239798]
セマンティックセグメンテーションタスクにグラフ畳み込みを適用し、改良されたラプラシアンを提案する。
グラフ推論は、空間ピラミッドとして構成された元の特徴空間で直接実行される。
計算とメモリのオーバーヘッドの利点で同等のパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2020-03-23T12:28:07Z) - Embedding Graph Auto-Encoder for Graph Clustering [90.8576971748142]
グラフ自動エンコーダ(GAE)モデルは、半教師付きグラフ畳み込みネットワーク(GCN)に基づく
我々は、グラフクラスタリングのための特定のGAEベースのモデルを設計し、その理論、すなわち、埋め込みグラフオートエンコーダ(EGAE)と整合する。
EGAEは1つのエンコーダと2つのデコーダで構成される。
論文 参考訳（メタデータ） (2020-02-20T09:53:28Z) - Deep Metric Structured Learning For Facial Expression Recognition [58.7528672474537]
本研究では,よく定義された構造を持つ組込み部分空間を作成するための深度計量学習モデルを提案する。
これらの部分空間を作成するために、出力空間上にガウス構造を課す新しい損失関数が導入された。
学習した埋め込みは,表現検索や感情認識など,様々な応用に有効であることが実験的に実証された。
論文 参考訳（メタデータ） (2020-01-18T06:23:18Z)
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。