Fugu-MT 論文翻訳(概要): Paranoid Transformer: Reading Narrative of Madness as Computational Approach to Creativity

論文の概要: Paranoid Transformer: Reading Narrative of Madness as Computational Approach to Creativity

arxiv url: http://arxiv.org/abs/2007.06290v1
Date: Mon, 13 Jul 2020 10:18:24 GMT
ステータス: 処理完了
システム内更新日: 2022-11-10 22:47:32.051216
Title: Paranoid Transformer: Reading Narrative of Madness as Computational Approach to Creativity
Title（参考訳）: パラノイドトランスフォーマー:創造性への計算的アプローチとしての狂気の物語を読む
Authors: Yana Agafonova, Alexey Tikhonov, Ivan P. Yamshchikov
Abstract要約: 提案する完全自律型テキスト生成エンジンは,人間のポストフィルターを使わずに,狂ったデジタルペルソナの物語として読むことができる。本稿では, 受容理論, チャンス発見, 否定的精神状態のシミュレーションが, 計算的創造性の理解に与える影響について論じる。
参考スコア（独自算出の注目度）: 17.553531291690025
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This papers revisits the receptive theory in context of computational creativity. It presents a case study of a Paranoid Transformer - a fully autonomous text generation engine with raw output that could be read as the narrative of a mad digital persona without any additional human post-filtering. We describe technical details of the generative system, provide examples of output and discuss the impact of receptive theory, chance discovery and simulation of fringe mental state on the understanding of computational creativity.
Abstract（参考訳）: 本稿では、計算創造性の文脈で受容理論を再考する。これはパラノイド変換器(Paranoid Transformer)のケーススタディで、人間のポストフィルターなしでマッドデジタルペルソナの物語として読むことができる、生の出力を備えた完全自律テキスト生成エンジンである。本稿では,生成システムの技術的詳細を述べるとともに,生成の例を示し,受容理論,機会発見,循環的精神状態のシミュレーションが創造性理解に与える影響について論じる。

関連論文リスト

OmniThink: Expanding Knowledge Boundaries in Machine Writing through Thinking [57.06347681695629]
提案するOmniThinkは,人間のような反復的展開とリフレクションの過程をエミュレートする,ゆっくり考えるマシンライティングフレームワークである。実験結果から,OmniThinkはコヒーレンスや深度といった指標を伴わずに,生成した記事の知識密度を向上することが示された。人間の評価と専門家のフィードバックは、OmniThinkが長文記事の生成における現実的な課題に対処する可能性を強調している。
論文参考訳（メタデータ） (2025-01-16T18:58:06Z)
Zero-shot Commonsense Reasoning over Machine Imagination [14.350718566829343]
機械生成画像から得られる視覚信号とテキスト入力を補完する新しいゼロショットコモンセンス推論フレームワークであるImagineを提案する。報告バイアスを緩和し、一般化能力を増強する際の機械的想像力の強さを強調し、既存の手法を大きなマージンで上回ることを示す。
論文参考訳（メタデータ） (2024-10-12T02:15:11Z)
Generator Born from Classifier [66.56001246096002]
データサンプルに頼ることなく、イメージジェネレータを再構築することを目指している。本稿では,ネットワークパラメータの収束条件を満たすために,ジェネレータを訓練する新しい学習パラダイムを提案する。
論文参考訳（メタデータ） (2023-12-05T03:41:17Z)
Probabilistic Transformer: A Probabilistic Dependency Model for Contextual Word Representation [52.270712965271656]
本稿では,文脈表現の新しいモデルを提案する。モデルのグラフは変換器に似ており、依存関係と自己意識の対応性がある。実験により,本モデルが小型・中型データセットのトランスフォーマーと競合することを示す。
論文参考訳（メタデータ） (2023-11-26T06:56:02Z)
A Survey on Brain-Inspired Deep Learning via Predictive Coding [85.93245078403875]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文参考訳（メタデータ） (2023-08-15T16:37:16Z)
Tram: A Token-level Retrieval-augmented Mechanism for Source Code Summarization [76.57699934689468]
ニューラルモデルの性能を高めるために,デコーダ側で詳細なTokenレベル検索強化機構(Tram)を提案する。文脈的コードセマンティクスの取得におけるトークンレベルの検索の課題を克服するために,コードセマンティクスを個々の要約トークンに統合することを提案する。
論文参考訳（メタデータ） (2023-05-18T16:02:04Z)
BrainBERT: Self-supervised representation learning for intracranial recordings [18.52962864519609]
我々は、神経科学に現代的な表現学習アプローチをもたらす頭蓋内記録のための再利用可能な変換器BrainBERTを開発した。 NLPや音声認識と同様に、この変換器は複雑な概念を高い精度で、はるかに少ないデータで分類することができる。将来的には、表現学習を使用することで、はるかに多くの概念がニューラル録音から切り離され、言語モデルがアンロックされた言語のように脳をアンロックする可能性がある。
論文参考訳（メタデータ） (2023-02-28T07:40:37Z)
VCNet: A self-explaining model for realistic counterfactual generation [52.77024349608834]
事実的説明は、機械学習の決定を局所的に説明するための手法のクラスである。本稿では,予測器と対実生成器を組み合わせたモデルアーキテクチャであるVCNet-Variational Counter Netを提案する。我々はVCNetが予測を生成でき、また、別の最小化問題を解くことなく、反現実的な説明を生成できることを示した。
論文参考訳（メタデータ） (2022-12-21T08:45:32Z)
Generative Design Ideation: A Natural Language Generation Approach [7.807713821263175]
本稿では,人工知能(AI)における最新の事前学習言語モデルの適用により,知識に基づく設計概念の生成的アプローチを検討することを目的とする。 AI生成されたアイデアは、簡潔で理解可能な言語であるだけでなく、制御可能な知識距離を持つ外部知識ソースでターゲット設計を合成することができる。
論文参考訳（メタデータ） (2022-03-28T08:11:29Z)
Contextualized Scene Imagination for Generative Commonsense Reasoning [35.03682416576795]
生成的コモンセンス推論スキルは、最先端のテキスト生成方法に欠けている。本稿では,リレーショナルシーン知識グラフの想像を学習するI/V手法を提案する。実験は、コンセプト・ツー・センスとコンセプト・ツー・ストーリー生成タスクにおいて、言語モデルを改善するためのI&Vの有効性を示す。
論文参考訳（メタデータ） (2021-12-12T20:38:08Z)
A guided journey through non-interactive automatic story generation [0.0]
この記事では,創造的システムに対する要件,創造性の3種類のモデル(計算的,社会文化的,個人的),人間の創造的記述のモデルについて述べる。この記事は、伝達すべき主要なアイデアの自律的生成と採用、創造性を保証する基準の自律的設計が、おそらく将来の研究において最も重要なトピックの2つである、と結論付けている。
論文参考訳（メタデータ） (2021-10-08T10:01:36Z)

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。