論文の概要: Deep daxes: Mutual exclusivity arises through both learning biases and pragmatic strategies in neural networks

• arxiv url: http://arxiv.org/abs/2004.03902v2
• Date: Thu, 1 Apr 2021 09:02:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-15 08:44:57.538135
• Title: Deep daxes: Mutual exclusivity arises through both learning biases and pragmatic strategies in neural networks
• Title（参考訳）: deep daxes: ニューラルネットワークにおける学習バイアスと実用戦略の両方を通して生じる相互排他性
• Authors: Kristina Gulordava, Thomas Brochhagen, Gemma Boleda
• Abstract要約: 子どもたちは、新しい単語と新しい参照語を関連付ける傾向があり、相互排他性に対する偏見を反映している。 本稿では, 子どもに類似した行動を示すために, 交叉神経モデルがどのような状況で現れるのかを考察する。
• 参考スコア（独自算出の注目度）: 10.16257074782054
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Children's tendency to associate novel words with novel referents has been taken to reflect a bias toward mutual exclusivity. This tendency may be advantageous both as (1) an ad-hoc referent selection heuristic to single out referents lacking a label and as (2) an organizing principle of lexical acquisition. This paper investigates under which circumstances cross-situational neural models can come to exhibit analogous behavior to children, focusing on these two possibilities and their interaction. To this end, we evaluate neural networks' on both symbolic data and, as a first, on large-scale image data. We find that constraints in both learning and selection can foster mutual exclusivity, as long as they put words in competition for lexical meaning. For computational models, these findings clarify the role of available options for better performance in tasks where mutual exclusivity is advantageous. For cognitive research, they highlight latent interactions between word learning, referent selection mechanisms, and the structure of stimuli of varying complexity: symbolic and visual.
• Abstract（参考訳）: 子どもたちは、新しい単語と新しい参照語を関連付ける傾向があり、相互排他性に対する偏見を反映している。 この傾向は、(1)ラベルを欠いた単一の参照者に対するアドホックな参照選択ヒューリスティックであり、(2)語彙獲得の組織的原則である。 本稿では,これらの2つの可能性とその相互作用に着目し,横断型ニューラルネットワークが子どもに類似した行動を示す状況について考察する。 この目的のために、我々は、シンボルデータと第一に、大規模画像データの両方で'ニューラルネットワーク'を評価する。 学習と選択の両面での制約は、語彙的意味の競合に言葉を投入する限り、相互排他性を育むことができる。 計算モデルでは, 相互排他性が有利なタスクにおいて, より優れた性能を得るための利用可能な選択肢の役割を明らかにする。 認知研究においては、単語学習、参照選択機構、および様々な複雑さの刺激の構造、象徴的および視覚的相互作用を強調している。

関連論文リスト

• Reframing linguistic bootstrapping as joint inference using visually-grounded grammar induction models [31.006803764376475]
  意味的・統語的ブートストラッピング・ポジトリ(Semantic and Syntactic bootstrapping posit)とは、子供が特定の言語領域についての事前の知識、例えば構文的関係(syntactic relations)を使い、後に新しい単語の意味などの他の知識を取得する手助けをするものである。 ここでは、両者が、言語習得のためのより一般的な学習戦略である共同学習に固執していると論じる。 一連の視覚的文法帰納モデルを用いて,構文と意味が同時に学習された場合に,構文的および意味的ブートストラップ効果が最強であることが実証された。
  論文  参考訳（メタデータ） (2024-06-17T18:01:06Z)
• Neural Lineage [56.34149480207817]
  本稿では,親子間の系統関係の発見を目的としたニューラルライン検出という新しいタスクを提案する。 実用上,ニューラルネットワーク表現類似度指標に微調整プロセスの近似を組み込んだ学習自由アプローチを導入する。 精度を追求するために,エンコーダと変圧器検出器からなる学習系系統検出装置を導入する。
  論文  参考訳（メタデータ） (2024-06-17T01:11:53Z)
• Separating common from salient patterns with Contrastive Representation Learning [2.250968907999846]
  コントラスト分析は、2つのデータセット間の変動の共通要因を分離することを目的としている。 変分オートエンコーダに基づく現在のモデルは意味表現の学習において性能が劣っている。 コントラスト分析に適合した意味表現表現を学習するためのコントラスト学習の活用を提案する。
  論文  参考訳（メタデータ） (2024-02-19T08:17:13Z)
• Three Pathways to Neurosymbolic Reinforcement Learning with Interpretable Model and Policy Networks [4.242435932138821]
  我々は、解釈可能なセマンティクスをアーキテクチャに直接組み込むニューラルネットワークのクラスについて研究する。 我々は、論理、シミュレーション、学習を組み合わせることの潜在的な難しさと重要な難しさを明らかにし、強調する。
  論文  参考訳（メタデータ） (2024-02-07T23:00:24Z)
• Agentivit\`a e telicit\`a in GilBERTo: implicazioni cognitive [77.71680953280436]
  本研究の目的は,トランスフォーマーに基づくニューラルネットワークモデルが語彙意味論を推論するかどうかを検討することである。 考慮される意味的性質は、テリシティ(定性とも組み合わされる)と作用性である。
  論文  参考訳（メタデータ） (2023-07-06T10:52:22Z)
• Neurosymbolic AI for Reasoning over Knowledge Graphs: A Survey [0.0]
  本稿では,知識グラフ上でニューロシンボリック推論タスクを行う手法を調査し,それらを分類できる新しい分類法を提案する。 具体的には,(1)論理的にインフォームドされた埋め込みアプローチ,(2)論理的制約を伴う埋め込みアプローチ,(3)規則学習アプローチの3つの主要なカテゴリを提案する。
  論文  参考訳（メタデータ） (2023-02-14T17:24:30Z)
• Representations learnt by SGD and Adaptive learning rules: Conditions that vary sparsity and selectivity in neural networks [0.32634122554914]
  相互干渉を減らす効果的な方法は、神経細胞の空間性と選択性に見られる。 本稿では,ニューラルネットワークの空間性や選択性を自然に向上させる諸条件について検討する。
  論文  参考訳（メタデータ） (2022-01-25T05:40:24Z)
• 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)
• Syntax Role for Neural Semantic Role Labeling [77.5166510071142]
  意味的役割ラベリング(SRL)は、文の意味的述語・代名詞構造を認識することを目的としている。 従来のモデルでは、構文情報はSRLのパフォーマンスに顕著な貢献をする可能性がある。 最近の神経SRL研究は、構文情報は神経意味的役割のラベル付けにおいてはるかに重要でないことを示している。
  論文  参考訳（メタデータ） (2020-09-12T07:01:12Z)
• Symbiotic Adversarial Learning for Attribute-based Person Search [86.7506832053208]
  本稿では,共生学習の枠組みとして,共生学習の基盤に2つのGANを配置する。 具体的には、2種類の生成的敵ネットワークがトレーニングプロセスを通して協調的に学習する。
  論文  参考訳（メタデータ） (2020-07-19T07:24:45Z)
• Compositional Explanations of Neurons [52.71742655312625]
  本稿では, 合成論理的概念を同定し, 深部表現におけるニューロンの説明手順について述べる。 本稿では,視覚と自然言語処理のモデルにおける解釈可能性に関するいくつかの疑問に答えるために,この手順を用いる。
  論文  参考訳（メタデータ） (2020-06-24T20:37:05Z)

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。