論文の概要: New Ideas for Brain Modelling 7

• arxiv url: http://arxiv.org/abs/2011.02223v2
• Date: Sat, 15 May 2021 23:43:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-29 22:14:50.294718
• Title: New Ideas for Brain Modelling 7
• Title（参考訳）: 脳モデリング7の新しい考え方
• Authors: Kieran Greer
• Abstract要約: 本稿では、2つのシステムを作成し、それらを同じ構造上に統一することで認知モデルを更新する。 これは意味レベルでのみ情報を表し、ラベル付きパターンは'type-set-match'形式で集約される。
• 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: This paper updates the cognitive model, firstly by creating two systems and then unifying them over the same structure. It represents information at the semantic level only, where labelled patterns are aggregated into a 'type-set-match' form. It is described that the aggregations can be used to match across regions with potentially different functionality and therefore give the structure a required amount of flexibility. The theory is that if the model stores information which can be transposed in consistent ways, then that will result in knowledge and some level of intelligence. As part of the design, patterns have to become distinct and that is realised by unique paths through shared aggregated structures. An ensemble-hierarchy relation also helps to define uniqueness through local feedback that may even be an action potential. The earlier models are still consistent in terms of their proposed functionality, but some of the architecture boundaries have been moved to match them up more closely. After pattern optimisation and tree-like aggregations, the two main models differ only in their upper, more intelligent level. One provides a propositional logic for mutually inclusive or exclusive pattern groups and sequences, while the other provides a behaviour script that is constructed from node types. It can be seen that these two views are complimentary and would allow some control over behaviours, as well as memories, that might get selected.
• Abstract（参考訳）: 本稿では,まず2つのシステムを作成し,その構造を統一することで認知モデルを更新する。 意味レベルでのみ情報を表現し、ラベル付きパターンを 'type-set-match' 形式に集約する。 このアグリゲーションは、潜在的に異なる機能を持つ領域にまたがって適合し、構造に必要とされる柔軟性を与えることができると説明されている。 この理論は、モデルが一貫した方法で変換できる情報を格納すると、知識とある程度の知性をもたらすというものである。 デザインの一部として、パターンは区別され、共有集約構造を通してユニークなパスによって実現される必要があります。 アンサンブルと階層関係は、アクションポテンシャルであるかもしれない局所的なフィードバックを通じて一意性を定義するのにも役立つ。 以前のモデルはまだ提案された機能に関して一貫性があるが、アーキテクチャ境界の一部はより密に一致させるために移動されている。 パターン最適化と木のような集約の後、2つの主要なモデルは上位のよりインテリジェントなレベルでのみ異なる。 1つは相互に包摂的あるいは排他的なパターングループとシーケンスのための命題論理を提供し、もう1つはノードタイプから構築された振る舞いスクリプトを提供する。 この2つの見解は賛辞的であり、選択されるかもしれない行動や記憶をある程度制御できると考えられる。

関連論文リスト

• A Recursive Bateson-Inspired Model for the Generation of Semantic Formal Concepts from Spatial Sensory Data [77.34726150561087]
  本稿では,複雑な感覚データから階層構造を生成するための記号のみの手法を提案する。 このアプローチは、概念や概念の創始の鍵としてのバテソンの差異の概念に基づいている。 このモデルは、トレーニングなしでかなりリッチだが人間に読まれる概念表現を生成することができる。
  論文  参考訳（メタデータ） (2023-07-16T15:59:13Z)
• Prototype-based Embedding Network for Scene Graph Generation [105.97836135784794]
  現在のシーングラフ生成(SGG)手法は、コンテキスト情報を探索し、エンティティペア間の関係を予測する。 被写体と対象物の組み合わせが多様であるため、各述語カテゴリーには大きなクラス内変異が存在する。 プロトタイプベースのEmbedding Network (PE-Net) は、エンティティ/述語を、プロトタイプに準拠したコンパクトで独特な表現でモデル化する。 PLは、PE-Netがそのようなエンティティ述語マッチングを効率的に学習するのを助けるために導入され、不明瞭なエンティティ述語マッチングを緩和するためにプロトタイプ正規化(PR)が考案されている。
  論文  参考訳（メタデータ） (2023-03-13T13:30:59Z)
• Link Prediction with Attention Applied on Multiple Knowledge Graph Embedding Models [7.620967781722715]
  知識グラフは、地図ノードをベクトル空間に埋め込み、新しいリンクを予測する。 すべてのパターンを平等に学習できるモデルはありません。 本稿では,複数のモデルからのクエリ表現を統一的に組み合わせ,各モデルによって独立にキャプチャされたパターンを組み込む。
  論文  参考訳（メタデータ） (2023-02-13T10:07:26Z)
• Language Model Cascades [72.18809575261498]
  テスト時に1つのモデルで繰り返し対話する、あるいは複数のモデルの合成は、さらに機能を拡張する。 制御フローと動的構造を持つ場合、確率的プログラミングのテクニックが必要となる。 この観点から、スクラッチパッド/思考連鎖、検証器、STaR、選択推論、ツール利用など、いくつかの既存のテクニックを定式化します。
  論文  参考訳（メタデータ） (2022-07-21T07:35:18Z)
• The interplay between ranking and communities in networks [0.0]
  本稿では,コミュニティ構造と階層構造との相互作用に基づく生成モデルを提案する。 それぞれのノードが相互作用機構に優先順位を持ち、同じ好みを持つノードが相互作用する可能性が高いと仮定する。 本手法は, コミュニティ検出とランキング抽出の2つの標準手法と比較して, 実世界の合成データと実世界のデータを比較した。
  論文  参考訳（メタデータ） (2021-12-23T16:10:28Z)
• Hierarchical Variational Memory for Few-shot Learning Across Domains [120.87679627651153]
  本稿では,プロトタイプの各レベルが階層メモリから対応する情報を取得する階層型プロトタイプモデルを提案する。 このモデルには、ドメインシフトの状況が要求される場合、異なるセマンティックレベルの機能を柔軟に依存する能力が備わっている。 モデルにおける各コンポーネントの有効性を示すために、徹底的なアブレーション研究を行っている。
  論文  参考訳（メタデータ） (2021-12-15T15:01:29Z)
• Modeling Heterogeneous Hierarchies with Relation-specific Hyperbolic Cones [64.75766944882389]
  知識グラフにおける複数の階層的および非階層的関係を同時にモデル化できるKG埋め込みモデルであるConE(Cone Embedding)を提案する。 特に、ConEは双曲埋め込み空間の異なる部分空間における円錐包含制約を用いて、複数の異種階層をキャプチャする。 我々のアプローチでは、WN18RRで45.3%、DDB14で16.1%の新しい最先端hits@1が得られる(0.231 MRR)。
  論文  参考訳（メタデータ） (2021-10-28T07:16:08Z)
• CoANE: Modeling Context Co-occurrence for Attributed Network Embedding [10.609715843964263]
  分散ネットワーク埋め込み(ANE)とは、ネットワーク構造だけでなく、ノード属性も保存できるように、低次元ベクトルを学習することである。 我々は新しいANEモデルであるContext Co-occurrence-aware Attributed Network Embedding (CoANE)を提案する。 コンテキスト共起の学習は、各ノードの潜伏する社会円を捉えることができる。
  論文  参考訳（メタデータ） (2021-06-17T04:31:02Z)
• A Generative Node-attribute Network Model for Detecting Generalized Structure [6.151348127802708]
  トポロジ情報と属性情報の両方を生成できる原理モデル(GNAN)を提案する。 新しいモデルは、コミュニティ構造だけでなく、ネットワーク内の他の種類の構造も検出できる。 合成と実世界の両方のネットワークの実験は、新しいモデルが他の最先端モデルと競合していることを示している。
  論文  参考訳（メタデータ） (2021-06-05T12:07:04Z)
• Unsupervised Knowledge Graph Alignment by Probabilistic Reasoning and Semantic Embedding [22.123001954919893]
  本稿では,確率論的推論とセマンティック埋め込みに基づくPRASEという反復的フレームワークを提案する。 PRASEフレームワークは、異なる埋め込みベースのモデルと互換性があり、複数のデータセットの実験では、その最先端性能が実証されている。
  論文  参考訳（メタデータ） (2021-05-12T11:27:46Z)
• Neural Production Systems [90.75211413357577]
  視覚環境は、異なるオブジェクトまたはエンティティから構成される。 イメージをエンティティに分割するために、ディープラーニング研究者は構造的誘導バイアスを提案した。 私たちは認知科学からインスピレーションを得て、一連のルールテンプレートからなる古典的なアプローチを復活させます。 このアーキテクチャは柔軟でダイナミックな制御フローを実現し、エンティティ固有およびルールベースの情報を分解するのに役立つ。
  論文  参考訳（メタデータ） (2021-03-02T18:53:20Z)

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。