論文の概要: Cognitive Amplifier for Internet of Things
- arxiv url: http://arxiv.org/abs/2005.06914v1
- Date: Thu, 14 May 2020 12:30:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-03 05:04:14.332945
- Title: Cognitive Amplifier for Internet of Things
- Title(参考訳): モノのインターネットのための認知増幅器
- Authors: Bing Huang, Athman Bouguettaya, Azadeh Ghari Neiat
- Abstract要約: 生活の利便性向上を目的とした認知機能を備えた,IoTの一部部分を強化するための認知増幅器フレームワークを提案する。
知識発見コンポーネントは、その規則性、バリエーション、実際の生活環境における遷移を考慮した自然な活動パターンの発見に焦点を当てている。
予測コンポーネントは、発見された知識を、何、いつ、どこで次の活動が起こるかを推測する基盤とみなす。
- 参考スコア(独自算出の注目度): 1.3858051019755284
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a Cognitive Amplifier framework to augment things part of an IoT,
with cognitive capabilities for the purpose of improving life convenience.
Specifically, the Cognitive Amplifier consists of knowledge discovery and
prediction components. The knowledge discovery component focuses on finding
natural activity patterns considering their regularity, variations, and
transitions in real life setting. The prediction component takes the discovered
knowledge as the base for inferring what, when, and where the next activity
will happen. Experimental results on real-life data validate the feasibility
and applicability of the proposed approach.
- Abstract(参考訳): 生活の利便性向上を目的とした認知機能を備えた,IoTの一部部分を強化するための認知増幅器フレームワークを提案する。
具体的には、認知増幅器は知識発見および予測成分からなる。
知識発見コンポーネントは、現実の環境での規則性、バリエーション、遷移を考慮した自然な活動パターンの発見に焦点を当てている。
予測コンポーネントは、発見された知識を、何、いつ、どこで次の活動が起こるかを推測する基盤とみなす。
実生活データによる実験結果から,提案手法の有効性と適用性が確認された。
関連論文リスト
- Informed Meta-Learning [65.268245109828]
メタラーニングとインシデントMLは、事前知識をMLパイプラインに組み込むための2つのアプローチとして際立っている。
本稿では,タスク間の知識共有の相補性を求める,メタラーニングのための新しいハイブリッドパラダイムを提案する。
観測騒音に対するデータ効率とロバスト性を改善する上で,情報メタラーニングの潜在的な利点を実証する。
論文 参考訳(メタデータ) (2024-02-25T15:08:37Z) - Crystal: Introspective Reasoners Reinforced with Self-Feedback [118.53428015478957]
本稿では,イントロスペクティブ・コモンセンス推論器であるCrystalを開発するための新しい手法を提案する。
コモンセンス問題に対処するため、まず与えられた質問に関連する知識ステートメントのイントロスペクションを行い、その後、それまでのイントロスペクションされた知識に根ざした情報予測を行う。
実験により、クリスタルは標準的な微調整法と連鎖蒸留法の両方で著しく優れており、コモンセンス推論プロセスの透明性を高めていることが示された。
論文 参考訳(メタデータ) (2023-10-07T21:23:58Z) - Worth of knowledge in deep learning [3.132595571344153]
我々は、知識の価値を評価するために、解釈可能な機械学習にインスパイアされたフレームワークを提案する。
我々の研究結果は、依存、相乗効果、置換効果を含む、データと知識の複雑な関係を解明する。
我々のモデルに依存しないフレームワークは、様々な共通ネットワークアーキテクチャに適用でき、ディープラーニングモデルにおける事前知識の役割を包括的に理解することができる。
論文 参考訳(メタデータ) (2023-07-03T02:25:19Z) - UNTER: A Unified Knowledge Interface for Enhancing Pre-trained Language
Models [100.4659557650775]
構造化知識と非構造化知識の両方を活用する統一的な視点を提供するために、統一知識インターフェイスUNTERを提案する。
どちらの形態の知識も注入され、UNTERは一連の知識駆動NLPタスクの継続的な改善を得る。
論文 参考訳(メタデータ) (2023-05-02T17:33:28Z) - Consciousness is learning: predictive processing systems that learn by
binding may perceive themselves as conscious [0.0]
予測処理システムは、単一事例からの認識と行動のためのワーキングメモリを形成することにより、新しい状況において柔軟に一般化できると主張している。
複数の生存戦略と再生戦略を同時に実施する複雑な行動方針の強化学習に知覚的価値予測を用いることで、脳がどのように進化したかを説明する。
「意識体験」とは、意識のメタ問題への解答として、そのような学習システムが自身の機能を知覚的に表す方法である。
論文 参考訳(メタデータ) (2023-01-17T17:06:48Z) - A Unified End-to-End Retriever-Reader Framework for Knowledge-based VQA [67.75989848202343]
本稿では,知識に基づくVQAに向けて,エンド・ツー・エンドのレトリバー・リーダー・フレームワークを提案する。
我々は、視覚言語による事前学習モデルからの多モーダルな暗黙の知識に光を当て、知識推論の可能性を掘り下げた。
提案手法では,知識検索のガイダンスを提供するだけでなく,質問応答に対してエラーが発生しやすいケースも排除できる。
論文 参考訳(メタデータ) (2022-06-30T02:35:04Z) - Ontology-enhanced Prompt-tuning for Few-shot Learning [41.51144427728086]
少ないショットラーニングは、限られたサンプル数に基づいて予測を行うことを目的としている。
知識グラフやオントロジーライブラリなどの構造化データは、様々なタスクにおける数ショット設定の恩恵を受けるために利用されてきた。
論文 参考訳(メタデータ) (2022-01-27T05:41:36Z) - From Psychological Curiosity to Artificial Curiosity: Curiosity-Driven
Learning in Artificial Intelligence Tasks [56.20123080771364]
心理学的好奇心は、探索と情報取得を通じて学習を強化するために、人間の知性において重要な役割を果たす。
人工知能(AI)コミュニティでは、人工好奇心は効率的な学習に自然な本質的な動機を与える。
CDLはますます人気を博し、エージェントは新たな知識を学習するために自己動機付けされている。
論文 参考訳(メタデータ) (2022-01-20T17:07:03Z) - Towards a Universal Continuous Knowledge Base [49.95342223987143]
複数のニューラルネットワークからインポートされた知識を格納できる継続的知識基盤を構築する方法を提案する。
テキスト分類実験は有望な結果を示す。
我々は複数のモデルから知識ベースに知識をインポートし、そこから融合した知識を単一のモデルにエクスポートする。
論文 参考訳(メタデータ) (2020-12-25T12:27:44Z)
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。