論文の概要: Analogy as Nonparametric Bayesian Inference over Relational Systems

• arxiv url: http://arxiv.org/abs/2006.04156v1
• Date: Sun, 7 Jun 2020 14:07:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-24 07:18:47.809748
• Title: Analogy as Nonparametric Bayesian Inference over Relational Systems
• Title（参考訳）: 関係系上の非パラメトリックベイズ推論としてのアナロジー
• Authors: Ruairidh M. Battleday and Thomas L. Griffiths
• Abstract要約: 本稿では,従来の関係構造からの予測を類似的に重み付けすることで,関係知識を新しい環境に一般化するベイズモデルを提案する。 この学習者は, 環境経験が小さい場合に, ランダム・ウィキペディア・システムから派生した関係データに基づいて, ナイーブな理論に基づく学習者より優れていることを示す。
• 参考スコア（独自算出の注目度）: 10.736626320566705
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Much of human learning and inference can be framed within the computational problem of relational generalization. In this project, we propose a Bayesian model that generalizes relational knowledge to novel environments by analogically weighting predictions from previously encountered relational structures. First, we show that this learner outperforms a naive, theory-based learner on relational data derived from random- and Wikipedia-based systems when experience with the environment is small. Next, we show how our formalization of analogical similarity translates to the selection and weighting of analogies. Finally, we combine the analogy- and theory-based learners in a single nonparametric Bayesian model, and show that optimal relational generalization transitions from relying on analogies to building a theory of the novel system with increasing experience in it. Beyond predicting unobserved interactions better than either baseline, this formalization gives a computational-level perspective on the formation and abstraction of analogies themselves.
• Abstract（参考訳）: 人間の学習と推論の多くは、関係一般化の計算問題の中に枠を組むことができる。 本稿では,従来の関係構造からの予測を類似的に重み付けすることで,関係知識を新しい環境に一般化するベイズモデルを提案する。 まず, この学習者は, 環境経験が小さい場合に, ランダム・ウィキペディア・システムから得られる関係データに対して, 素直な理論に基づく学習者より優れていることを示す。 次に、アナログ類似性の形式化がアナロジーの選択と重み付けにどのように変換するかを示す。 最後に,1つの非パラメトリックベイズモデルにおいて,類比と理論に基づく学習者を組み合わせることにより,類似に依拠する最適関係一般化から,その経験を積んだ新システムの理論構築へ移行することを示す。 観測されていない相互作用をどちらのベースラインよりも予測するだけでなく、この形式化はアナロジーの形成と抽象化に関する計算レベルの視点を与える。

関連論文リスト

• Toward Understanding In-context vs. In-weight Learning [50.24035812301655]
  本研究は,文脈内学習の出現と消失を引き起こす簡易な分布特性を同定する。 そして、この研究を完全な大規模言語モデルに拡張し、自然言語プロンプトの様々なコレクションの微調整が、文脈内および重み付き学習の振る舞いをいかに引き出すかを示す。
  論文  参考訳（メタデータ） (2024-10-30T14:09:00Z)
• ARN: Analogical Reasoning on Narratives [13.707344123755126]
  我々は、物語要素を用いて表面マッピングとシステムマッピングを作成する、アナロジーの支配的理論を運用するフレームワークを開発する。 すべてのLLMがほぼ類似点を認識できるが、最大でもゼロショット環境では極端に類似点に苦戦している。
  論文  参考訳（メタデータ） (2023-10-02T08:58:29Z)
• Tackling Computational Heterogeneity in FL: A Few Theoretical Insights [68.8204255655161]
  我々は、計算異種データの形式化と処理を可能にする新しい集約フレームワークを導入し、分析する。 提案するアグリゲーションアルゴリズムは理論的および実験的予測から広範囲に解析される。
  論文  参考訳（メタデータ） (2023-07-12T16:28:21Z)
• On the Joint Interaction of Models, Data, and Features [82.60073661644435]
  本稿では,データとモデル間の相互作用を実験的に解析する新しいツールであるインタラクションテンソルを紹介する。 これらの観測に基づいて,特徴学習のための概念的枠組みを提案する。 この枠組みの下では、一つの仮説に対する期待された精度と一対の仮説に対する合意はどちらも閉形式で導出することができる。
  論文  参考訳（メタデータ） (2023-06-07T21:35:26Z)
• Some recent advances in reasoning based on analogical proportions [9.861775841965386]
  アナロジー比は類推の形式化において重要な役割を果たしている。 本稿ではまず,精度と計算コストの観点から,アナログ推論を改善する方法について論じる。
  論文  参考訳（メタデータ） (2022-12-22T14:10:14Z)
• Investigating the Role of Centering Theory in the Context of Neural Coreference Resolution Systems [71.57556446474486]
  中心化理論と現代のコア参照分解システムとの関係について検討する。 高品質なニューラルコア参照リゾルバは、中心となるアイデアを明示的にモデル化することの恩恵を受けない可能性がある。 また, 再発をモデルとしたCTのバージョンを定式化し, バニラCTよりも良質なコア参照情報を取得することを示した。
  論文  参考訳（メタデータ） (2022-10-26T12:55:26Z)
• Instance-Based Neural Dependency Parsing [56.63500180843504]
  依存関係解析のための解釈可能な推論プロセスを持つニューラルモデルを開発する。 私たちのモデルはインスタンスベースの推論を採用しており、トレーニングセットのエッジと比較することで、依存関係のエッジを抽出し、ラベル付けします。
  論文  参考訳（メタデータ） (2021-09-28T05:30:52Z)
• MINIMALIST: Mutual INformatIon Maximization for Amortized Likelihood Inference from Sampled Trajectories [61.3299263929289]
  シミュレーションベースの推論は、その可能性が実際に計算できない場合でもモデルのパラメータを学習することができる。 あるクラスのメソッドは、異なるパラメータでシミュレートされたデータを使用して、確率とエビデンス比の償却推定器を推定する。 モデルパラメータとシミュレーションデータ間の相互情報の観点から,本手法が定式化可能であることを示す。
  論文  参考訳（メタデータ） (2021-06-03T12:59:16Z)
• Probabilistic Analogical Mapping with Semantic Relation Networks [2.084078990567849]
  本稿では,意味関係ネットワークに基づくアナログマッピングの新しい計算モデルを提案する。 モデルが大人と子供の両方の類似写像を含む現象の広い範囲を占めていることを示します。
  論文  参考訳（メタデータ） (2021-03-30T22:14:13Z)
• Building and Interpreting Deep Similarity Models [0.0]
  そこで本稿では,入力機能の観点から説明することで類似性を解釈する手法を提案する。 我々は,2組の入力特徴に対して類似度スコアを系統的に分解する,スケーラブルで理論的に確立された手法であるBiLRPを開発した。
  論文  参考訳（メタデータ） (2020-03-11T17:46:55Z)
• Learning to See Analogies: A Connectionist Exploration [0.0]
  この論文は、Analogatorと呼ばれるコンピュータプログラムの開発を通じて、学習と類推の統合を探求している。 多くの異なる類推問題を「見る」ことで、可能な解とともに、アナロゲータは徐々に新しい類推を創り出す能力を発展させている。
  論文  参考訳（メタデータ） (2020-01-18T14:06:16Z)

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。