論文の概要: The growth and form of knowledge networks by kinesthetic curiosity

• arxiv url: http://arxiv.org/abs/2006.02949v1
• Date: Thu, 4 Jun 2020 15:30:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-25 12:41:57.795708
• Title: The growth and form of knowledge networks by kinesthetic curiosity
• Title（参考訳）: 審美的好奇心による知識ネットワークの成長と形態
• Authors: Dale Zhou, David M. Lydon-Staley, Perry Zurn, Danielle S. Bassett
• Abstract要約: ネットワーク科学、統計物理学、哲学が、特定の多様性と知覚的な好奇心の心理学的側面を統一し拡張するアプローチにどのように統合できるかを示す。 好奇心の審美的モデルは、モデルに基づく強化学習の熟考的予測と相容れない。
• 参考スコア（独自算出の注目度）: 0.39325957466009187
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Throughout life, we might seek a calling, companions, skills, entertainment, truth, self-knowledge, beauty, and edification. The practice of curiosity can be viewed as an extended and open-ended search for valuable information with hidden identity and location in a complex space of interconnected information. Despite its importance, curiosity has been challenging to computationally model because the practice of curiosity often flourishes without specific goals, external reward, or immediate feedback. Here, we show how network science, statistical physics, and philosophy can be integrated into an approach that coheres with and expands the psychological taxonomies of specific-diversive and perceptual-epistemic curiosity. Using this interdisciplinary approach, we distill functional modes of curious information seeking as searching movements in information space. The kinesthetic model of curiosity offers a vibrant counterpart to the deliberative predictions of model-based reinforcement learning. In doing so, this model unearths new computational opportunities for identifying what makes curiosity curious.
• Abstract（参考訳）: 人生を通して、私たちは電話、仲間、スキル、エンターテイメント、真実、自己認識、美、そして啓蒙を求めます。 好奇心の実践は、相互接続された情報の複雑な空間における隠れたアイデンティティと位置を持つ貴重な情報の拡張的でオープンな検索と見なすことができる。 その重要性にもかかわらず、好奇心は、特定の目標、外部報酬、即時フィードバックなしで好奇心の実践が盛んになるため、計算的にモデル化することは困難である。 ここでは、ネットワーク科学、統計物理学、哲学が、特定の多様性と知覚的認識的好奇心の心理学的分類を統一し拡張するアプローチにどのように統合できるかを示す。 この学際的アプローチを用いて,情報空間における探索運動として探索する興味のある情報の機能的モードを蒸留する。 好奇心の審美的モデルは、モデルに基づく強化学習の熟考的予測と相容れない。 そうすることで、このモデルは好奇心を惹きつけるものを特定するための新しい計算機会を発掘する。

関連論文リスト

• Visual Knowledge in the Big Model Era: Retrospect and Prospect [63.282425615863]
  視覚知識は、視覚概念とその関係を簡潔で包括的で解釈可能な方法でカプセル化できる新しい知識表現である。 視覚世界に関する知識は、人間の認知と知性にとって欠かせない要素として認識されているため、視覚知識は、機械知性を確立する上で重要な役割を担っていると考えられる。
  論文  参考訳（メタデータ） (2024-04-05T07:31:24Z)
• Five Properties of Specific Curiosity You Didn't Know Curious Machines Should Have [4.266866385061999]
  我々は、動物と機械の好奇心の分野を包括的に多分野的に調査する。 我々は、特定の好奇心の最も重要な特性の5つのうちの1つと考えるものを紹介し、定義する。 概念強化学習エージェントにおいて,これらの特性をどのように組み合わせて実装するかを示す。
  論文  参考訳（メタデータ） (2022-12-01T00:18:56Z)
• Knowledge-augmented Deep Learning and Its Applications: A Survey [60.221292040710885]
  知識強化ディープラーニング(KADL)は、ドメイン知識を特定し、それをデータ効率、一般化可能、解釈可能なディープラーニングのためのディープモデルに統合することを目的としている。 本調査は,既存の研究成果を補足し,知識強化深層学習の一般分野における鳥眼研究の展望を提供する。
  論文  参考訳（メタデータ） (2022-11-30T03:44:15Z)
• Learning by Asking Questions for Knowledge-based Novel Object Recognition [64.55573343404572]
  実世界のオブジェクト認識には、認識すべきオブジェクトクラスが多数存在する。教師付き学習に基づく従来の画像認識は、トレーニングデータに存在するオブジェクトクラスのみを認識できるため、現実の世界においては限定的な適用性を有する。 そこで本研究では,モデルが新たなオブジェクトを瞬時に認識するのに役立つ質問生成を通じて,外部知識を取得するための枠組みについて検討する。 我々のパイプラインは、オブジェクトベースのオブジェクト認識と、新しい知識を得るために知識を意識した質問を生成する質問生成という2つのコンポーネントから構成される。
  論文  参考訳（メタデータ） (2022-10-12T02:51:58Z)
• Prototyping three key properties of specific curiosity in computational reinforcement learning [3.1498833540989413]
  本稿では,これらの特性の最も即時的な3点を紹介し,概念強化学習エージェントでどのように実装されるかを示す。 希望するように、エージェントは、好奇心を誘発する状況を適応的に求めるために、長期的な嗜好を更新しながら、短期的な指示行動を示す。 この研究は、特定の好奇心がどのように機能し、将来は複雑な環境におけるゴール探索、意思決定エージェントの行動に統合されるかもしれない、という新しい見解を提示する。
  論文  参考訳（メタデータ） (2022-05-20T18:58:18Z)
• A Novel Multimodal Approach for Studying the Dynamics of Curiosity in Small Group Learning [2.55061802822074]
  本稿では,仲間の観察可能な行動と根底にある好奇心状態とを結びつける,好奇心の統合社会認知的記述を提案する。 我々は、好奇心に寄与する個人機能と対人機能と、これらの機能を満たすマルチモーダル動作を区別する。 この研究は、社会的文脈における学習中にモーメント・バイ・モーメントの好奇心を認識して誘発できる学習技術を設計するためのステップである。
  論文  参考訳（メタデータ） (2022-04-01T16:12:40Z)
• 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 Open World Object Detection [68.79678648726416]
  ORE: Open World Object Detectorは、対照的なクラスタリングとエネルギーベースの未知の識別に基づいている。 未知のインスタンスの識別と特徴付けは、インクリメンタルなオブジェクト検出設定における混乱を減らすのに役立ちます。
  論文  参考訳（メタデータ） (2021-03-03T18:58:18Z)
• A Review on Intelligent Object Perception Methods Combining Knowledge-based Reasoning and Machine Learning [60.335974351919816]
  物体知覚はコンピュータビジョンの基本的なサブフィールドである。 最近の研究は、物体の視覚的解釈のインテリジェンスレベルを拡大するために、知識工学を統合する方法を模索している。
  論文  参考訳（メタデータ） (2019-12-26T13:26:49Z)

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。