論文の概要: Characterizing an Analogical Concept Memory for Architectures Implementing the Common Model of Cognition

• arxiv url: http://arxiv.org/abs/2006.01962v3
• Date: Wed, 29 Jul 2020 18:02:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-26 01:05:33.593330
• Title: Characterizing an Analogical Concept Memory for Architectures Implementing the Common Model of Cognition
• Title（参考訳）: 認知の共通モデルを実装するアーキテクチャのための分析概念記憶の特徴付け
• Authors: Shiwali Mohan, Matt Klenk, Matthew Shreve, Kent Evans, Aaron Ang, John Maxwell
• Abstract要約: そこで我々は,Soar の新たなアナログ概念メモリを提案し,宣言的長期記憶の現在のシステムを強化した。 提案したメモリに実装されたアナログ学習手法は,多様な新しい概念を迅速に学習できることを実証する。
• 参考スコア（独自算出の注目度）: 1.468003557277553
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Architectures that implement the Common Model of Cognition - Soar, ACT-R, and Sigma - have a prominent place in research on cognitive modeling as well as on designing complex intelligent agents. In this paper, we explore how computational models of analogical processing can be brought into these architectures to enable concept acquisition from examples obtained interactively. We propose a new analogical concept memory for Soar that augments its current system of declarative long-term memories. We frame the problem of concept learning as embedded within the larger context of interactive task learning (ITL) and embodied language processing (ELP). We demonstrate that the analogical learning methods implemented in the proposed memory can quickly learn a diverse types of novel concepts that are useful not only in recognition of a concept in the environment but also in action selection. Our approach has been instantiated in an implemented cognitive system \textsc{Aileen} and evaluated on a simulated robotic domain.
• Abstract（参考訳）: 認知の共通モデル(Soar、ACT-R、Sigma)を実装するアーキテクチャは、認知モデリングや複雑な知的エージェントの設計において顕著な位置を占めている。 本稿では,これらのアーキテクチャにアナログ処理の計算モデルがどのように導入され,インタラクティブに得られた例から概念獲得を可能にするかを検討する。 宣言型長期記憶のシステムを強化する新しいsoarの類似概念記憶を提案する。 本稿では,対話型タスク学習 (ITL) と組込み言語処理 (ELP) のコンテキストに埋め込まれた概念学習の課題について考察する。 提案したメモリに実装されたアナログ学習手法は,環境における概念認識だけでなく,行動選択においても有用である,多様な概念を迅速に学習できることを実証する。 提案手法は,実装された認知システムであるtextsc{Aileen} でインスタンス化され,シミュレーションロボット領域で評価されている。

関連論文リスト

• Discovering Conceptual Knowledge with Analytic Ontology Templates for Articulated Objects [42.9186628100765]
  我々は,概念レベルでの動作を通じて,機械知能に類似の能力を持たせることを目指している。 AOT駆動のアプローチは、3つの重要な観点で利益をもたらす。
  論文  参考訳（メタデータ） (2024-09-18T04:53:38Z)
• Discrete, compositional, and symbolic representations through attractor dynamics [51.20712945239422]
  我々は,思考の確率的言語(PLoT)に似た認知過程をモデル化するために,アトラクタダイナミクスを記号表現と統合した新しいニューラルシステムモデルを導入する。 我々のモデルは、連続表現空間を、事前定義されたプリミティブに頼るのではなく、教師なし学習を通じて、記号系の意味性と構成性の特徴を反映する、記号列に対応する引き付け状態を持つ離散盆地に分割する。 このアプローチは、認知操作の複雑な双対性を反映したより包括的なモデルを提供する、AIにおける表現力の証明された神経弁別可能な基質であるニューラルダイナミクスを通じて、シンボル処理とサブシンボル処理の両方を統合する統一的なフレームワークを確立する。
  論文  参考訳（メタデータ） (2023-10-03T05:40:56Z)
• A Novel Neural-symbolic System under Statistical Relational Learning [50.747658038910565]
  本稿では,GBPGRと呼ばれる2段階の確率的グラフィカル推論フレームワークを提案する。 GBPGRでは、シンボル推論の結果を用いて、ディープラーニングモデルによる予測を洗練し、修正する。 提案手法は高い性能を示し, 帰納的タスクと帰納的タスクの両方において効果的な一般化を示す。
  論文  参考訳（メタデータ） (2023-09-16T09:15:37Z)
• 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)
• Conceptual Modeling and Artificial Intelligence: A Systematic Mapping Study [0.5156484100374059]
  概念モデリング(CM)では、人間は理解とコミュニケーションの手段として現実の抜粋を抽象的に表現し、機械による処理を行う。 近年、CMとAIの連携のトレンドが生まれている。 本研究は,この学際研究分野がどのように構成され,相互利益は,学間研究と今後の研究の方向性によって得られるかを示す。
  論文  参考訳（メタデータ） (2023-03-12T21:23:46Z)
• Analogical Concept Memory for Architectures Implementing the Common Model of Cognition [1.9417302920173825]
  そこで我々は,Soar の新たなアナログ概念メモリを提案し,宣言的長期記憶の現在のシステムを強化した。 提案したメモリに実装されたアナログ学習手法は,多様な新しい概念を迅速に学習できることを実証する。
  論文  参考訳（メタデータ） (2022-10-21T04:39:07Z)
• AIGenC: An AI generalisation model via creativity [1.933681537640272]
  本稿では,創造性に関する認知理論に触発された計算モデル(AIGenC)を紹介する。 人工エージェントが変換可能な表現を学習、使用、生成するために必要なコンポーネントを配置する。 本稿では, 人工エージェントの配当効率を向上するモデルの有効性について論じる。
  論文  参考訳（メタデータ） (2022-05-19T17:43:31Z)
• CogNGen: Constructing the Kernel of a Hyperdimensional Predictive Processing Cognitive Architecture [79.07468367923619]
  神経生物学的に妥当な2つの計算モデルを組み合わせた新しい認知アーキテクチャを提案する。 我々は、現代の機械学習技術の力を持つ認知アーキテクチャを開発することを目指している。
  論文  参考訳（メタデータ） (2022-03-31T04:44:28Z)
• Towards a Predictive Processing Implementation of the Common Model of Cognition [79.63867412771461]
  本稿では,ニューラル生成符号化とホログラフィック連想記憶に基づく認知モデルの実装について述べる。 提案システムは,多様なタスクから継続的に学習し,大規模に人的パフォーマンスをモデル化するエージェントを開発するための基盤となる。
  論文  参考訳（メタデータ） (2021-05-15T22:55:23Z)
• Concept Learners for Few-Shot Learning [76.08585517480807]
  本研究では,人間の解釈可能な概念次元に沿って学習することで,一般化能力を向上させるメタ学習手法であるCOMETを提案する。 我々は,細粒度画像分類,文書分類,セルタイプアノテーションなど,さまざまな領域からの少数ショットタスクによるモデルの評価を行った。
  論文  参考訳（メタデータ） (2020-07-14T22:04:17Z)

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。