論文の概要: Analysis of English free association network reveals mechanisms of
efficient solution of Remote Association Tests
- arxiv url: http://arxiv.org/abs/2008.12219v2
- Date: Thu, 22 Oct 2020 17:30:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-24 08:21:04.429613
- Title: Analysis of English free association network reveals mechanisms of
efficient solution of Remote Association Tests
- Title（参考訳）: 英語フリーアソシエーションネットワークの解析によるリモートアソシエーションテストの効率的解のメカニズム
- Authors: O.V. Valba, A.S. Gorsky, S.K. Nechaev, and M.V. Tamm
- Abstract要約: 本研究では,個々のRATの平均硬度が,フリーアソシエーションネットワーク上でのテストワードの相対的な位置によって決定されることを示す。
我々は,異なる探索アルゴリズムを提案し,容易に解けるRATにおいて,解が「強い」ネットワークリンクによって支配されることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study correlations between the structure and properties of a free
association network of the English language, and solutions of psycholinguistic
Remote Association Tests (RATs). We show that average hardness of individual
RATs is largely determined by relative positions of test words (stimuli and
response) on the free association network. We argue that the solution of RATs
can be interpreted as a first passage search problem on a network whose
vertices are words and links are associations between words. We propose
different heuristic search algorithms and demonstrate that in "easily-solving"
RATs (those that are solved in 15 seconds by more than 64\% subjects) the
solution is governed by "strong" network links (i.e. strong associations)
directly connecting stimuli and response, and thus the efficient strategy
consist in activating such strong links. In turn, the most efficient mechanism
of solving medium and hard RATs consists of preferentially following sequence
of "moderately weak" associations.
- Abstract（参考訳）: 英語自由連想ネットワークの構造と特性,および精神言語的遠隔関連テスト(rats)の解との関係について検討した。
本研究では,個々のRATの平均硬度が,自由結合ネットワーク上でのテストワード(刺激と応答)の相対的な位置によって決定されることを示す。
RATの解は、動詞が単語であり、リンクが単語の関連性であるネットワーク上での第1の通路探索問題として解釈できると論じる。
我々は、異なるヒューリスティック検索アルゴリズムを提案し、この解法は、刺激と応答を直接接続する「強い」ネットワークリンク(すなわち、強い関連性)によって支配され、そのような強いリンクを活性化する効率的な戦略であることを示す。
逆に、中級と硬質のRATを解く最も効率的なメカニズムは、「モデレート的に弱い」関連からなる。
関連論文リスト
- LLaMA-Berry: Pairwise Optimization for O1-like Olympiad-Level Mathematical Reasoning [56.273799410256075]
このフレームワークはMonte Carlo Tree Search (MCTS)と反復的なSelf-Refineを組み合わせて推論パスを最適化する。
このフレームワークは、一般的なベンチマークと高度なベンチマークでテストされており、探索効率と問題解決能力の点で優れた性能を示している。
論文 参考訳（メタデータ） (2024-10-03T18:12:29Z) - Faster Optimal Coalition Structure Generation via Offline Coalition Selection and Graph-Based Search [61.08720171136229]
本稿では,3つの革新的手法のハイブリッド化に基づく問題に対する新しいアルゴリズムSMARTを提案する。
これらの2つの手法は動的プログラミングに基づいており、評価のために選択された連立関係とアルゴリズムの性能の強力な関係を示す。
我々の手法は、問題にアプローチする新しい方法と、その分野に新しいレベルの精度をもたらす。
論文 参考訳（メタデータ） (2024-07-22T23:24:03Z) - Multi-Agent Reinforcement Learning for Network Routing in Integrated
Access Backhaul Networks [0.0]
IABネットワークの遅延を最小化しながらパケット到着率を最大化することを目的としている。
この問題を解決するため、我々はマルチエージェントで部分的に観察されたマルコフ決定プロセス(POMD)を開発した。
A2Cは他の強化学習アルゴリズムよりも優れており、ネットワーク効率が向上し、利己的エージェントの挙動が低下することを示した。
論文 参考訳（メタデータ） (2023-05-12T13:03:26Z) - Local Advantage Networks for Cooperative Multi-Agent Reinforcement
Learning [1.1879716317856945]
本稿では,協調的部分観測環境のための新しいタイプの強化学習アルゴリズムを提案する。
我々は、各エージェントに対して、個別の利点関数を介して分散化されたベストレスポンスポリシーを学ぶために、デュエルアーキテクチャを使用します。
StarCraft IIマルチエージェントチャレンジベンチマークの評価は、LANが最先端のパフォーマンスに達することを示している。
論文 参考訳（メタデータ） (2021-12-23T10:55:33Z) - One More Step Towards Reality: Cooperative Bandits with Imperfect
Communication [15.440053226788562]
我々は,3つの典型的な実世界のコミュニケーションシナリオの下で協調的バンディット学習を研究する。
競争性能を実現する分散型アルゴリズムを提案する。
様々なネットワークトポロジにおいて既存の最先端技術よりも優れた遅延更新アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-11-24T13:19:11Z) - Combined Depth Space based Architecture Search For Person
Re-identification [70.86236888223569]
個人再識別(ReID)のための軽量で適切なネットワークの設計を目指しています。
本研究では,CDNetと呼ばれる効率的なネットワークアーキテクチャの探索に基づく,複合深さ空間(Componed Depth Space, CDS)と呼ばれる新しい検索空間を提案する。
そこで我々はTop-k Sample Search戦略という低コストの検索戦略を提案し、検索空間をフル活用し、局所的な最適結果のトラップを避ける。
論文 参考訳（メタデータ） (2021-04-09T02:40:01Z) - Leveraging Semantic Parsing for Relation Linking over Knowledge Bases [80.99588366232075]
本稿では,AMRを用いた意味解析と遠隔監視を利用した関係リンクフレームワークであるSlingを提案する。
Slingは複数の関係リンクアプローチを統合し、言語的手がかり、豊かな意味表現、知識ベースからの情報などの補完的な信号をキャプチャする。
QALD-7, QALD-9, LC-QuAD 1.0という3つのKBQAデータセットを用いた関係リンク実験により, 提案手法が全てのベンチマークで最先端の性能を達成することを示す。
論文 参考訳（メタデータ） (2020-09-16T14:56:11Z) - Detecting Communities in Heterogeneous Multi-Relational Networks:A
Message Passing based Approach [89.19237792558687]
コミュニティは、ソーシャルネットワーク、生物学的ネットワーク、コンピュータおよび情報ネットワークを含むネットワークの共通の特徴である。
我々は,全同種ネットワークのコミュニティを同時に検出する効率的なメッセージパッシングに基づくアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-04-06T17:36:24Z) - Learning to Recover Reasoning Chains for Multi-Hop Question Answering
via Cooperative Games [66.98855910291292]
本稿では,弱い教師付き信号から推論連鎖を復元する学習法を提案する。
証拠通路をどのように選択し、どのように選択された通路を接続するかを2つのモデルで処理する。
評価のために、2つのマルチホップQAデータセットに基づいたベンチマークを作成しました。
論文 参考訳（メタデータ） (2020-04-06T03:54:38Z) - Using word embeddings to improve the discriminability of co-occurrence
text networks [0.1611401281366893]
共起ネットワークにおける仮想リンク作成ツールとしての単語埋め込みの利用により,分類システムの品質が向上するかどうかを検討する。
その結果,Glove,Word2Vec,FastTextでは,スタイメトリータスクの識別性が向上していることがわかった。
論文 参考訳（メタデータ） (2020-03-13T13:35:44Z) - Network Cooperation with Progressive Disambiguation for Partial Label
Learning [37.05637357091572]
Partial Label Learning (PLL) は、各トレーニングインスタンスが候補ラベルのセットに関連付けられている場合に分類器をトレーニングすることを目的としている。
既存のメソッドはインスタンスの曖昧さを無視し、シングルスレッドのトレーニングメカニズムを採用する。
本稿では,ネットワーク・コラボレーションとプログレッシブ・ディアンビゲーション(NCPD)を併用した新しいアプローチを提案する。
ニューラルネットワークをバックボーンとして利用することにより,相互に相互作用させることで,協調的に2つのネットワークをトレーニングするネットワーク協調機構を利用する。
論文 参考訳（メタデータ） (2020-02-22T09:50:39Z)
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。