Fugu-MT 論文翻訳(概要): Space of Reasons and Mathematical Model

論文の概要: Space of Reasons and Mathematical Model

arxiv url: http://arxiv.org/abs/2007.02489v1
Date: Mon, 6 Jul 2020 01:13:43 GMT
ステータス: 処理完了
システム内更新日: 2022-11-13 02:25:59.209587
Title: Space of Reasons and Mathematical Model
Title（参考訳）: 理由の空間と数学的モデル
Authors: Florian Richter
Abstract要約: 推論関係は私たちの概念の使用を支配します。概念を理解するためには、意味のある空間に配置する必要がある。重要な質問は: 言語の使用条件はどのように表現できるのか。
参考スコア（独自算出の注目度）: 8.475081627511166
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Inferential relations govern our concept use. In order to understand a concept it has to be located in a space of implications. There are different kinds of conditions for statements, i.e. that the conditions represent different kinds of explanations, e.g. causal or conceptual explanations. The crucial questions is: How can the conditionality of language use be represented. The conceptual background of representation in models is discussed and in the end I propose how implications of propositional logic and conceptual determinations can be represented in a model of a neural network.
Abstract（参考訳）: 推論関係は私たちの概念の使用を左右する。概念を理解するためには、意味のある空間に配置する必要がある。ステートメントには様々な種類の条件があり、例えば、条件が異なる種類の説明、例えば因果的説明や概念的説明を表す。重要な質問は: 言語の使用条件はどのように表現できるのか。モデルにおける表現の概念的背景について議論し,最後に,提案論理と概念的決定がニューラルネットワークのモデルにどのように反映されるかを提案する。

関連論文リスト

A Complexity-Based Theory of Compositionality [53.025566128892066]
AIでは、構成表現は配布外一般化の強力な形式を可能にすることができる。ここでは、構成性に関する直観を考慮し、拡張する構成性の公式な定義を提案する。この定義は概念的には単純で量的であり、アルゴリズム情報理論に基礎を置いており、あらゆる表現に適用できる。
論文参考訳（メタデータ） (2024-10-18T18:37:27Z)
The Geometry of Categorical and Hierarchical Concepts in Large Language Models [15.126806053878855]
線形表現仮説の形式化をベクトルとして(例:is_animal)特徴を表現するために拡張する方法を示す。形式化を用いて、概念の階層構造とそれらの表現の幾何学との関係を証明する。我々はこれらの理論結果をGemmaとLLaMA-3大言語モデルで検証し、WordNetのデータを用いて900以上の階層的な概念の表現を推定する。
論文参考訳（メタデータ） (2024-06-03T16:34:01Z)
Conceptual and Unbiased Reasoning in Language Models [98.90677711523645]
本稿では,抽象的質問に対する概念的推論をモデルに強制する,新しい概念化フレームワークを提案する。既存の大規模言語モデルは概念的推論では不足しており、様々なベンチマークでは9%から28%に低下している。ハイレベルな抽象的推論が不偏で一般化可能な意思決定の鍵となるので、モデルがどのように改善できるかについて議論する。
論文参考訳（メタデータ） (2024-03-30T00:53:53Z)
DiConStruct: Causal Concept-based Explanations through Black-Box Distillation [9.735426765564474]
本稿では,概念ベースと因果性の両方を考慮した説明手法であるDiConStructを提案する。本報告では, ブラックボックス機械学習モデルに対する蒸留モデルとして, その予測を近似し, それぞれの説明を生成する。
論文参考訳（メタデータ） (2024-01-16T17:54:02Z)
An Axiomatic Approach to Model-Agnostic Concept Explanations [67.84000759813435]
本稿では、線形性、再帰性、類似性という3つの自然な公理を満たす概念的説明へのアプローチを提案する。次に、従来の概念的説明手法とのつながりを確立し、それらの意味の異なる意味についての洞察を提供する。
論文参考訳（メタデータ） (2024-01-12T20:53:35Z)
Semantics, Ontology and Explanation [0.0]
本稿では, オントロジアンパックと哲学・科学における他の形態の説明との関係について論じる。また,人工知能分野におけるオントロジアンパックと他の形態の説明との関係についても論じる。
論文参考訳（メタデータ） (2023-04-21T16:54:34Z)
Human-Centered Concept Explanations for Neural Networks [47.71169918421306]
概念活性化ベクトル(Concept Activation Vectors, CAV)のクラスを含む概念的説明を紹介する。次に、自動的に概念を抽出するアプローチと、それらの注意事項に対処するアプローチについて議論する。最後に、このような概念に基づく説明が、合成設定や実世界の応用において有用であることを示すケーススタディについて論じる。
論文参考訳（メタデータ） (2022-02-25T01:27:31Z)
Contrastive Explanations for Model Interpretability [77.92370750072831]
分類モデルの対照的説明を生成する手法を提案する。本手法は潜在空間へのモデル表現の投影に基づいている。本研究は,モデル決定のより正確できめ細かな解釈性を提供するためのラベルコントラスト的説明の能力に光を当てた。
論文参考訳（メタデータ） (2021-03-02T00:36:45Z)
Explanation from Specification [3.04585143845864]
我々は、説明のタイプが仕様によって導かれるアプローチを定式化する。議論理論を用いたベイズ的ネットワークの説明とグラフニューラルネットワークの説明の2つの例について論じる。このアプローチは科学哲学における説明理論に動機付けられており、機械学習の役割に関する科学哲学における現在の疑問と関連づけられている。
論文参考訳（メタデータ） (2020-12-13T23:27:48Z)
Thinking About Causation: A Causal Language with Epistemic Operators [58.720142291102135]
我々はエージェントの状態を表すことで因果モデルの概念を拡張した。対象言語の側面には、知識を表現する演算子や、新しい情報を観察する行為が追加されます。我々は、論理の健全かつ完全な公理化を提供し、このフレームワークと因果的チーム意味論との関係について論じる。
論文参考訳（メタデータ） (2020-10-30T12:16:45Z)

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。