論文の概要: A Developmental Neuro-Robotics Approach for Boosting the Recognition of
Handwritten Digits
- arxiv url: http://arxiv.org/abs/2003.10308v1
- Date: Mon, 23 Mar 2020 14:55:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-21 00:09:23.520600
- Title: A Developmental Neuro-Robotics Approach for Boosting the Recognition of
Handwritten Digits
- Title(参考訳): 手書きディジット認識の促進のための発達型ニューロロボティクスアプローチ
- Authors: Alessandro Di Nuovo
- Abstract要約: 近年のエビデンスでは、子どもの体現戦略をシミュレーションすることで、マシンインテリジェンスも改善できることが示されている。
本稿では,発達神経ロボティクスの文脈における畳み込みニューラルネットワークモデルへの具体的戦略の適用について検討する。
- 参考スコア(独自算出の注目度): 91.3755431537592
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Developmental psychology and neuroimaging research identified a close link
between numbers and fingers, which can boost the initial number knowledge in
children. Recent evidence shows that a simulation of the children's embodied
strategies can improve the machine intelligence too. This article explores the
application of embodied strategies to convolutional neural network models in
the context of developmental neuro-robotics, where the training information is
likely to be gradually acquired while operating rather than being abundant and
fully available as the classical machine learning scenarios. The experimental
analyses show that the proprioceptive information from the robot fingers can
improve network accuracy in the recognition of handwritten Arabic digits when
training examples and epochs are few. This result is comparable to brain
imaging and longitudinal studies with young children. In conclusion, these
findings also support the relevance of the embodiment in the case of artificial
agents' training and show a possible way for the humanization of the learning
process, where the robotic body can express the internal processes of
artificial intelligence making it more understandable for humans.
- Abstract(参考訳): 発達心理学と神経画像研究は、数字と指の密接な関係を同定し、子供の最初の数字の知識を高めた。
最近の証拠は、子供の身体戦略をシミュレーションすることで、機械の知性も改善できることを示している。
本稿では,神経ロボティクスの発達過程における畳み込みニューラルネットワークモデルへの具体的戦略の適用について検討する。
実験結果から,ロボット指からの固有受容情報は,訓練例や時代が少ない場合,手書きのアラビア数字の認識においてネットワーク精度を向上させることが示されている。
この結果は、幼児の脳画像と縦断的研究に匹敵する。
結論として、これらの知見は、エージェントのトレーニングにおける具体化の関連性を裏付けると同時に、ロボットが人工知能の内部プロセスを表現でき、人間にとってより理解しやすいものにすることができる学習プロセスの人間化への可能性を示す。
関連論文リスト
- Towards a Foundation Model for Brain Age Prediction using coVariance
Neural Networks [102.75954614946258]
時間的年齢に関する脳年齢の増加は、神経変性と認知低下に対する脆弱性の増加を反映している。
NeuroVNNは、時系列年齢を予測するために、健康な人口の回帰モデルとして事前訓練されている。
NeuroVNNは、脳の年齢に解剖学的解釈性を加え、任意の脳のアトラスに従って計算されたデータセットへの転移を可能にする「スケールフリー」特性を持つ。
論文 参考訳(メタデータ) (2024-02-12T14:46:31Z) - Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳(メタデータ) (2023-12-01T05:20:57Z) - The Acquisition of Physical Knowledge in Generative Neural Networks [9.799950649945597]
本研究では, 深層生成ニューラルネットワークの学習軌跡を, 身体的理解をテストベッドとして, 子どもの発達軌跡と比較する。
我々のモデルは、多くの物理的過程を正確に予測できるが、両方の仮説の下での学習軌跡は、子供の発達軌跡に従わない。
論文 参考訳(メタデータ) (2023-10-30T18:58:03Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳(メタデータ) (2023-08-15T16:37:16Z) - NeuroCERIL: Robotic Imitation Learning via Hierarchical Cause-Effect
Reasoning in Programmable Attractor Neural Networks [2.0646127669654826]
本稿では,脳にインスパイアされた神経認知アーキテクチャであるNeuroCERILについて紹介する。
シミュレーションされたロボット模倣学習領域において,NeuroCERILは様々な手続き的スキルを習得できることを示す。
我々は、NeuroCERILは人間のような模倣学習の実行可能な神経モデルであると結論付けた。
論文 参考訳(メタデータ) (2022-11-11T19:56:11Z) - 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) - Neuronal Learning Analysis using Cycle-Consistent Adversarial Networks [4.874780144224057]
我々は、-CycleGANと呼ばれる深層生成モデルを用いて、前学習と後学習の神経活動の間の未知のマッピングを学習する。
我々は,カルシウム蛍光信号を前処理し,訓練し,評価するためのエンドツーエンドパイプラインを開発し,その結果の深層学習モデルを解釈する手法を開発した。
論文 参考訳(メタデータ) (2021-11-25T13:24:19Z) - The curious case of developmental BERTology: On sparsity, transfer
learning, generalization and the brain [7.33811357166334]
このエッセイでは,大規模言語モデルのレンズを通して,深層学習と神経科学の交点を探究する。
知覚神経生理学や認知神経生理学が効果的なディープニューラルネットワークアーキテクチャにインスピレーションを与えたのと同じように、ここでは生物学的神経開発がいかに効率的で堅牢な最適化手順を刺激するかを考察する。
論文 参考訳(メタデータ) (2020-07-07T20:16:30Z) - Towards a Neural Model for Serial Order in Frontal Cortex: a Brain
Theory from Memory Development to Higher-Level Cognition [53.816853325427424]
そこで本研究では,未熟な前頭前野 (PFC) が側頭葉信号の階層的パターンを検出する主要な機能を利用していることを提案する。
我々の仮説では、PFCは順序パターンの形で時間的配列の階層構造を検出し、それらを脳の異なる部分で階層的に情報をインデックスするために利用する。
これにより、抽象的な知識を操作し、時間的に順序付けられた情報を計画するための言語対応の脳にツールを提供する。
論文 参考訳(メタデータ) (2020-05-22T14:29:51Z)
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。