論文の概要: Combinatorial Decision Dags: A Natural Computational Model for General
Intelligence
- arxiv url: http://arxiv.org/abs/2004.05268v1
- Date: Sat, 11 Apr 2020 00:23:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-14 12:39:54.743830
- Title: Combinatorial Decision Dags: A Natural Computational Model for General
Intelligence
- Title(参考訳): Combinatorial Decision Dags: 汎用インテリジェンスのための自然な計算モデル
- Authors: Ben Goertzel
- Abstract要約: 合成論理を利用して高次決定木を生成する新しい計算モデル(CoDD)を提案する。
パターン認識とパターン形成の形式理論の観点からの一般知能の理論解析を概説する。
- 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: A novel computational model (CoDD) utilizing combinatory logic to create
higher-order decision trees is presented. A theoretical analysis of general
intelligence in terms of the formal theory of pattern recognition and pattern
formation is outlined, and shown to take especially natural form in the case
where patterns are expressed in CoDD language. Relationships between logical
entropy and algorithmic information, and Shannon entropy and runtime
complexity, are shown to be elucidated by this approach. Extension to the
quantum computing case is also briefly discussed.
- Abstract(参考訳): 合成論理を利用して高次決定木を生成する新しい計算モデル(CoDD)を提案する。
パターン認識とパターン形成の形式的理論の観点からの一般知能の理論的分析を概説し、パターンがCODD言語で表現される場合に特に自然な形態をとることを示した。
論理エントロピーとアルゴリズム情報,シャノンエントロピーと実行時複雑性の関係は,このアプローチによって解明されている。
量子コンピューティングのケースの拡張についても簡単に論じられる。
関連論文リスト
- An Encoding of Abstract Dialectical Frameworks into Higher-Order Logic [57.24311218570012]
このアプローチは抽象弁証法フレームワークのコンピュータ支援分析を可能にする。
応用例としては、メタ理論的性質の形式的解析と検証がある。
論文 参考訳(メタデータ) (2023-12-08T09:32:26Z) - A Recursive Bateson-Inspired Model for the Generation of Semantic Formal
Concepts from Spatial Sensory Data [77.34726150561087]
本稿では,複雑な感覚データから階層構造を生成するための記号のみの手法を提案する。
このアプローチは、概念や概念の創始の鍵としてのバテソンの差異の概念に基づいている。
このモデルは、トレーニングなしでかなりリッチだが人間に読まれる概念表現を生成することができる。
論文 参考訳(メタデータ) (2023-07-16T15:59:13Z) - Modeling Hierarchical Reasoning Chains by Linking Discourse Units and
Key Phrases for Reading Comprehension [80.99865844249106]
本稿では,論理的推論の基盤として,対話レベルと単語レベルの両方の文脈を扱う総合グラフネットワーク(HGN)を提案する。
具体的には、ノードレベルの関係とタイプレベルの関係は、推論過程におけるブリッジと解釈できるが、階層的な相互作用機構によってモデル化される。
論文 参考訳(メタデータ) (2023-06-21T07:34:27Z) - Query Structure Modeling for Inductive Logical Reasoning Over Knowledge
Graphs [67.043747188954]
KGに対する帰納的論理的推論のための構造モデル付きテキスト符号化フレームワークを提案する。
線形化されたクエリ構造とエンティティを、事前訓練された言語モデルを使ってエンコードして、回答を見つける。
2つの帰納的論理推論データセットと3つの帰納的推論データセットについて実験を行った。
論文 参考訳(メタデータ) (2023-05-23T01:25:29Z) - DIFFormer: Scalable (Graph) Transformers Induced by Energy Constrained
Diffusion [66.21290235237808]
本稿では,データセットからのインスタンスのバッチを進化状態にエンコードするエネルギー制約拡散モデルを提案する。
任意のインスタンス対間の対拡散強度に対する閉形式最適推定を示唆する厳密な理論を提供する。
各種タスクにおいて優れた性能を有する汎用エンコーダバックボーンとして,本モデルの適用性を示す実験を行った。
論文 参考訳(メタデータ) (2023-01-23T15:18:54Z) - Brain Principles Programming [0.3867363075280543]
脳原理プログラミング(Brain Principles Programming、BPP)は、脳の働きの普遍的なメカニズム(原理)を情報と共に定式化したものである。
この論文は以下の理論の数学的モデルとアルゴリズムを用いている。
論文 参考訳(メタデータ) (2022-02-13T13:41:44Z) - Low-Rank Constraints for Fast Inference in Structured Models [110.38427965904266]
この研究は、大規模構造化モデルの計算とメモリの複雑さを低減するための単純なアプローチを示す。
言語モデリング,ポリフォニック・ミュージック・モデリング,教師なし文法帰納法,ビデオ・モデリングのためのニューラルパラメータ構造モデルを用いた実験により,我々の手法は大規模状態空間における標準モデルの精度と一致することを示した。
論文 参考訳(メタデータ) (2022-01-08T00:47:50Z) - Decision Tree Learning with Spatial Modal Logics [0.0]
特に時間に依存したデータに対して、より仮説的なシンボリック学習法が出現し始めている。
本稿では,空間決定木学習の理論を提案し,空間決定木学習アルゴリズムのプロトタイプ実装について述べる。
空間決定木の予測能力と古典命題決定木の予測能力を複数バージョンで比較し,多クラス画像分類問題を提案する。
論文 参考訳(メタデータ) (2021-09-17T02:35:18Z) - A Neural Approach for Detecting Morphological Analogies [7.89271130004391]
分析比例は "A is to B as C is to D" という形の言明である
形態的類似を検出するための深層学習手法を提案する。
論文 参考訳(メタデータ) (2021-08-09T11:21:55Z) - Parsimonious Inference [0.0]
parsimonious inferenceは任意のアーキテクチャ上の推論の情報理論的な定式化である。
提案手法は,効率的な符号化と巧妙なサンプリング戦略を組み合わせて,クロスバリデーションを伴わない予測アンサンブルを構築する。
論文 参考訳(メタデータ) (2021-03-03T04:13:14Z) - Plausible Reasoning about EL-Ontologies using Concept Interpolation [27.314325986689752]
本稿では,モデル理論の明確な意味論に基づく帰納的機構を提案する。
我々は、カテゴリーベース誘導の認知モデルと密接に関連している強力なコモンセンス推論機構である推論に焦点を当てた。
論文 参考訳(メタデータ) (2020-06-25T14:19:41Z)
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。