Fugu-MT 論文翻訳(概要): Stable variation in multidimensional competition

論文の概要: Stable variation in multidimensional competition

arxiv url: http://arxiv.org/abs/2003.06265v1
Date: Wed, 11 Mar 2020 17:40:57 GMT
ステータス: 処理完了
システム内更新日: 2022-12-24 15:24:55.779074
Title: Stable variation in multidimensional competition
Title（参考訳）: 多次元競争における安定変動
Authors: Henri Kauhanen
Abstract要約: The Fundamental Theorem of Language Change (Yang, 2000)は、変分学習フレームワークにおける安定な変化の不可避性を示唆している。変分学習を、学習者が2つ以上の文法で生成された入力を受け取る状況に一般化する。対数的安定な変動は、そのような複数種類のマルチ文法系の本質的な特徴であることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The Fundamental Theorem of Language Change (Yang, 2000) implies the impossibility of stable variation in the Variational Learning framework, but only in the special case where two, and not more, grammatical variants compete. Introducing the notion of an advantage matrix, I generalize Variational Learning to situations where the learner receives input generated by more than two grammars, and show that diachronically stable variation is an intrinsic feature of several types of such multiple-grammar systems. This invites experimentalists to take the possibility of stable variation seriously and identifies one possible place where to look for it: situations of complex language contact.
Abstract（参考訳）: 言語変化の基本理論 (Yang, 2000) は、変分学習フレームワークにおける安定な変分の不可能性を示唆しているが、2つの文法的変分が競合する特別な場合のみである。アドバンテージ行列の概念を導入することで、学習者が2つ以上の文法で生成された入力を受け付ける状況に変分学習を一般化し、二項安定な変分が複数の種類の多重文法システムの本質的特徴であることを示す。これにより、実験家たちは安定した変動の可能性に真剣に取り組み、それを探すべき場所の1つ、複雑な言語接触の状況を特定することができる。

関連論文リスト

Robustness of the Random Language Model [0.0]
このモデルは、潜在的言語の広大な空間におけるアニーリングの一種として、最初の言語学習の簡単な図を示唆している。これは、潜在的な単語とカテゴリ間の対称性が自発的に壊れる文法構文への単一の連続的な遷移を意味する。結果は、言語学における第一言語習得の理論と、機械学習における最近の成功を踏まえて議論される。
論文参考訳（メタデータ） (2023-09-26T13:14:35Z)
Sufficient Invariant Learning for Distribution Shift [20.88069274935592]
本稿では,SIL(Sufficient Invariant Learning)フレームワークという新しい学習原理を紹介する。 SILは、単一の機能に頼るのではなく、不変機能の十分なサブセットを学ぶことに重点を置いている。本稿では,適応シャープネスを意識したグループ分散ロバスト最適化(ASGDRO)を提案する。
論文参考訳（メタデータ） (2022-10-24T18:34:24Z)
Equivariant Disentangled Transformation for Domain Generalization under Combination Shift [91.38796390449504]
ドメインとラベルの組み合わせは、トレーニング中に観察されるのではなく、テスト環境に現れる。我々は、同型の概念、同値性、および整合性の定義に基づく結合シフト問題の一意的な定式化を提供する。
論文参考訳（メタデータ） (2022-08-03T12:31:31Z)
Sibylvariant Transformations for Robust Text Classification [41.85750707462483]
本稿では,ラベル保存制約を緩和するより広範な変換の集合を記述するために,シビル分散(SIB)の概念を提案する。私たちは2種類のSIBを含むすべてのデータ変換を組織化する統一されたフレームワークを提供しています。 SIBは、最も混乱したクラスペアに対して新しい入力混合物を生成する、ユニークな適応トレーニングの形式を可能にする。
論文参考訳（メタデータ） (2022-05-10T19:38:54Z)
Modeling Target-Side Morphology in Neural Machine Translation: A Comparison of Strategies [72.56158036639707]
形態的に豊かな言語は機械翻訳に困難をもたらす。多数の異なる屈折する単語曲面は、より大きな語彙を必要とする。いくつかの頻度の低い用語は、通常、トレーニングコーパスには現れない。言語的合意は、出力文中の屈折語形間の文法的カテゴリを正しく一致させる必要がある。
論文参考訳（メタデータ） (2022-03-25T10:13:20Z)
Disentangling Generative Factors in Natural Language with Discrete Variational Autoencoders [0.0]
連続変数は、テキスト中のほとんどの生成因子が離散的であるという事実から、テキストデータの特徴をモデル化するのに理想的ではないかもしれない。本稿では,言語特徴を離散変数としてモデル化し,不整合表現を学習するための変数間の独立性を促進する変分自動符号化手法を提案する。
論文参考訳（メタデータ） (2021-09-15T09:10:05Z)
Uncertainty-Aware Balancing for Multilingual and Multi-Domain Neural Machine Translation Training [58.72619374790418]
MultiUATはモデルの不確実性に基づいてトレーニングデータの使用量を動的に調整する。クロスドメイン転送を解析し、静的および類似性に基づく手法の欠如を示す。
論文参考訳（メタデータ） (2021-09-06T08:30:33Z)
How individuals change language [1.2437226707039446]
我々は,多種多様な個人レベルの言語行動を含む,非常に一般的な数学的モデルを導入する。異なる仮定の下で複数の言語における定冠詞と不定冠詞の実証的な変化の可能性を比較した。幼児期の言語習得の誤りを主眼とする言語変化の説明は、歴史的データによって非常に弱く支持されている。
論文参考訳（メタデータ） (2021-04-20T19:02:49Z)
SML: a new Semantic Embedding Alignment Transformer for efficient cross-lingual Natural Language Inference [71.57324258813674]
トランスフォーマーが質問応答、自然言語推論(NLI)、要約といった様々なタスクを精度良く実行できることは、現在この種のタスクに対処するための最良のパラダイムの1つとしてランク付けすることができる。 nliは、複雑な文を理解するための知識が必要であり、仮説と前提の関係を確立するため、これらのアーキテクチャをテストする最良のシナリオの1つである。本稿では,自然言語推論のための多言語組込みを効率的にアライメントするための新しいアーキテクチャ siamese multilingual transformer を提案する。
論文参考訳（メタデータ） (2021-03-17T13:23:53Z)
Fake it Till You Make it: Self-Supervised Semantic Shifts for Monolingual Word Embedding Tasks [58.87961226278285]
語彙意味変化をモデル化するための自己教師付きアプローチを提案する。本手法は,任意のアライメント法を用いて意味変化の検出に利用できることを示す。 3つの異なるデータセットに対する実験結果を用いて,本手法の有用性について述べる。
論文参考訳（メタデータ） (2021-01-30T18:59:43Z)
Composed Variational Natural Language Generation for Few-shot Intents [118.37774762596123]
現実的な不均衡シナリオにおいて、数ショットのインテントに対するトレーニング例を生成します。生成した発話の質を評価するために、一般化された複数ショット意図検出タスクについて実験を行った。提案モデルでは,2つの実世界の意図検出データセットに対して,最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2020-09-21T17:48:43Z)

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。