論文の概要: ESCELL: Emergent Symbolic Cellular Language

• arxiv url: http://arxiv.org/abs/2007.09469v1
• Date: Sat, 18 Jul 2020 16:34:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-09 05:05:49.897220
• Title: ESCELL: Emergent Symbolic Cellular Language
• Title（参考訳）: ESCELL: 新しいシンボリック・セル言語
• Authors: Aritra Chowdhury, James R. Kubricht, Anup Sood, Peter Tu, Alberto Santamaria-Pang
• Abstract要約: エージェントが人間の言語に似たシンボルの形で、どのように協力し、コミュニケーションを成功させることができるかを示す。 我々は、送信者ネットワークと受信者ネットワークを訓練し、このタスクを達成するために、その間に固有の創発的言語を開発する。 ネットワークは5つの異なる表現型から93.2%の精度で細胞を識別することに成功した。
• 参考スコア（独自算出の注目度）: 1.1199585259018459
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present ESCELL, a method for developing an emergent symbolic language of communication between multiple agents reasoning about cells. We show how agents are able to cooperate and communicate successfully in the form of symbols similar to human language to accomplish a task in the form of a referential game (Lewis' signaling game). In one form of the game, a sender and a receiver observe a set of cells from 5 different cell phenotypes. The sender is told one cell is a target and is allowed to send one symbol to the receiver from a fixed arbitrary vocabulary size. The receiver relies on the information in the symbol to identify the target cell. We train the sender and receiver networks to develop an innate emergent language between themselves to accomplish this task. We observe that the networks are able to successfully identify cells from 5 different phenotypes with an accuracy of 93.2%. We also introduce a new form of the signaling game where the sender is shown one image instead of all the images that the receiver sees. The networks successfully develop an emergent language to get an identification accuracy of 77.8%.
• Abstract（参考訳）: ESCELLは、細胞を推論する複数のエージェント間の通信の創発的シンボリック言語を開発する方法である。 エージェントが人間の言語に類似したシンボルの形で協力してコミュニケーションし、レファレンスゲーム(lewis' signaling game)の形式でタスクを達成する方法を示す。 ゲームの一形態では、送信側と受信側が5つの異なる細胞表現型の細胞群を観察する。 送信者は1つのセルがターゲットであると指示され、固定された任意の語彙サイズから受信者に1つのシンボルを送信できる。 受信機は、ターゲットセルを特定するためにシンボル内の情報に依存する。 我々は、送信者ネットワークと受信者ネットワークを訓練し、このタスクを達成するために、その間に固有の創発的言語を開発する。 ネットワークは5つの異なる表現型から93.2%の精度で細胞を識別することに成功した。 また,受信側が見るすべての画像の代わりに,送信側が1つの画像を表示する新たなシグナリングゲームを導入する。 ネットワークは77.8%の精度で識別できる緊急言語の開発に成功した。

関連論文リスト

• Sequential Semantic Generative Communication for Progressive Text-to-Image Generation [32.82954905044597]
  本稿では,多モード生成モデルの有望な生成能力を活用した通信システムを提案する。 送信機は、多モデル生成プロセスを介して客観的画像をテキストに変換し、受信機は、逆処理を用いて画像を再構成する。 我々の研究は、最先端の生成モデルを実際の通信システムに活用する新たな道を開くことが期待されている。
  論文  参考訳（メタデータ） (2023-09-08T12:17:49Z)
• Multimodal Neurons in Pretrained Text-Only Transformers [52.20828443544296]
  視覚表現を対応するテキストに変換する「マルチモーダルニューロン」を同定する。 マルチモーダルニューロンは入力を横断する特定の視覚概念で動作し、画像キャプションに系統的な因果効果を有することを示す。
  論文  参考訳（メタデータ） (2023-08-03T05:27:12Z)
• Adversarial Learning for Implicit Semantic-Aware Communications [104.08383219177557]
  対戦型学習に基づく暗黙的意味認識通信アーキテクチャ(iSAC)を開発した。 我々は、iSACを適用することで、送信先のユーザは、ソースメッセージの真の推論ルールと一致する推論ルールを常に学習できることを示す。 実験結果から,提案したiSACは,既存の非推論通信ソリューションよりも最大19.69dB向上できることがわかった。
  論文  参考訳（メタデータ） (2023-01-27T08:28:12Z)
• Semantic Segmentation Enhanced Transformer Model for Human Attention Prediction [8.47446520519624]
  唾液度予測は、RGB画像が与えられた人間の眼の注意分布を予測することを目的としている。 最近の最先端手法のほとんどは、従来のCNNのディープイメージ特徴表現に基づいている。 意味的セグメンテーションを学習目的とするトランスフォーマーに基づく手法を提案する。
  論文  参考訳（メタデータ） (2023-01-26T10:27:51Z)
• Vulnerabilities of Deep Learning-Driven Semantic Communications to Backdoor (Trojan) Attacks [70.51799606279883]
  本稿では,バックドア(トロイジャン)攻撃に対するディープラーニングによるセマンティックコミュニケーションの脆弱性を明らかにする。 バックドア攻撃は、有毒な入力サンプルに転送された意味情報を標的の意味に効果的に変更することができる。 バックドア攻撃の有無で情報伝達の意味を保存するための設計ガイドラインが提示される。
  論文  参考訳（メタデータ） (2022-12-21T17:22:27Z)
• Emergent Graphical Conventions in a Visual Communication Game [80.79297387339614]
  人間は象徴的な言語とは別にグラフィカルなスケッチと通信する。 視覚コミュニケーションゲームをする2つのニューラルエージェントを介して、このような進化過程をモデル化し、シミュレートする第一歩を踏み出す。 我々は,コミュニケーションと抽象的なグラフィカルな慣行を成功させるために,エージェントを共同で進化させる新しい強化学習手法を考案した。
  論文  参考訳（メタデータ） (2021-11-28T18:59:57Z)
• Learning Semantics: An Opportunity for Effective 6G Communications [8.262718096663077]
  セマンティック通信は、将来の6Gネットワークの重要な実現手段として考えられている。 本研究は,5Gネットワークを越えたセマンティックコミュニケーションの機会を探究するものである。 本稿では,効果的な意味コミュニケーションのための意味記号の表現学習を可能にする新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-10-14T08:00:54Z)
• Interpretation of Emergent Communication in Heterogeneous Collaborative Embodied Agents [83.52684405389445]
  本稿では,コラボレーティブな多目的ナビゲーションタスクCoMONを紹介する。 この課題において、オラクルエージェントは、地図の形式で詳細な環境情報を有する。 視覚的に環境を知覚するナビゲーターエージェントと通信し、目標のシーケンスを見つけるのが任務である。 創発的コミュニケーションはエージェントの観察と3次元環境の空間構造に基礎を置くことができることを示す。
  論文  参考訳（メタデータ） (2021-10-12T06:56:11Z)
• The emergence of visual semantics through communication games [0.0]
  ビジュアルセマンティクスをキャプチャする通信システムは、適切なタイプのゲームをすることで、完全に自己監督された方法で学習することができる。 我々の研究は、創発的なコミュニケーション研究と自己教師型特徴学習のギャップを埋める。
  論文  参考訳（メタデータ） (2021-01-25T17:43:37Z)
• Towards Emergent Language Symbolic Semantic Segmentation and Model Interpretability [0.6649753747542209]
  ヒトが言語を介して複雑なアイデアを伝達する方法に触発されて、解釈可能なセグメンテーションのための一般化されたセマンティック(textS2$)フレームワークを開発した。 敵対的モデル(例えば、GAN)とは異なり、私たちは、共通の目標を達成するために協力する必要がある2つのエージェント、Sender と Receiver の協力を明示的にモデル化する。 UNetのようなアーキテクチャを用いてシンボリック文を生成するSenderネットワークへの入力を生成し、受信側ネットワークは文に基づいてセグメンテーションマスクを共同生成する。
  論文  参考訳（メタデータ） (2020-07-18T15:06:12Z)
• VGAI: End-to-End Learning of Vision-Based Decentralized Controllers for Robot Swarms [237.25930757584047]
  ビジュアル入力のみに基づいて分散制御系を学習することを提案する。 初めて、コミュニケーションと視覚知覚という2つの重要な要素の学習を統合する。 提案する学習フレームワークは,各ロボットが視覚入力からメッセージを取り出すための畳み込みニューラルネットワーク(CNN)と,これらのメッセージの送信,受信,処理を行うためのSwarm全体のグラフニューラルネットワーク(GNN)を組み合わせる。
  論文  参考訳（メタデータ） (2020-02-06T15:25:23Z)

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。