論文の概要: Learning a metacognition for object perception

• arxiv url: http://arxiv.org/abs/2011.15067v1
• Date: Mon, 30 Nov 2020 18:05:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-06 23:48:51.322073
• Title: Learning a metacognition for object perception
• Title（参考訳）: 物体知覚のためのメタ認知の学習
• Authors: Marlene Berke, Mario Belledonne, and Julian Jara-Ettinger
• Abstract要約: 本稿ではメタ認知の教師なし学習モデルであるMetaGenを提案する。 MetaGenでは、メタ認知は知覚システムがノイズの多い知覚をいかに生み出すかの生成モデルとして表現される。 MetaGenはメタ認知を素早く学習し、全体的な精度を向上し、メタ認知に欠けるモデルよりも優れています。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Beyond representing the external world, humans also represent their own cognitive processes. In the context of perception, this metacognition helps us identify unreliable percepts, such as when we recognize that we are seeing an illusion. Here we propose MetaGen, a model for the unsupervised learning of metacognition. In MetaGen, metacognition is expressed as a generative model of how a perceptual system produces noisy percepts. Using basic principles of how the world works (such as object permanence, part of infants' core knowledge), MetaGen jointly infers the objects in the world causing the percepts and a representation of its own perceptual system. MetaGen can then use this metacognition to infer which objects are actually present in the world. On simulated data, we find that MetaGen quickly learns a metacognition and improves overall accuracy, outperforming models that lack a metacognition.
• Abstract（参考訳）: 外部世界を表現するだけでなく、人間は自身の認知過程も表わす。 知覚の文脈では、このメタ認知は、私たちが幻想を見ていると認識しているときなど、信頼できない知覚を特定するのに役立ちます。 本稿ではメタ認知の教師なし学習モデルであるMetaGenを提案する。 MetaGenでは、メタ認知は知覚システムがノイズの多い知覚をいかに生み出すかの生成モデルとして表現される。 世界がどのように機能するかという基本的な原則(幼児のコア知識の一部であるオブジェクトの永続性など)を用いて、メタゲンは共に知覚と自己の知覚システムの表現を引き起こす世界のオブジェクトを推論する。 MetaGenはこのメタ認知を使って、どのオブジェクトが実際に世界に存在するのかを推測することができる。 シミュレーションデータから,メタゲンはメタ認知を素早く学習し,全体的な精度を向上し,メタ認知に欠けるモデルよりも優れることがわかった。

関連論文リスト

• Masked Image Modeling as a Framework for Self-Supervised Learning across Eye Movements [0.624151172311885]
  本稿では,視覚情報を予測し,提示する自己指導型作業として,眼球運動が重要であることを提案する。 マスキング技術やデータ拡張といったMIMのコアコンポーネントが,カテゴリ固有の表現の形成にどのように影響するかを分析する。 その結果,MIM はニューロンを非定常的に非定常的にアンタングルし,その特性は霊長類における視覚的表現の形成に有効であることが示唆された。
  論文  参考訳（メタデータ） (2024-04-12T15:15:39Z)
• Visual Knowledge in the Big Model Era: Retrospect and Prospect [63.282425615863]
  視覚知識は、視覚概念とその関係を簡潔で包括的で解釈可能な方法でカプセル化できる新しい知識表現である。 視覚世界に関する知識は、人間の認知と知性にとって欠かせない要素として認識されているため、視覚知識は、機械知性を確立する上で重要な役割を担っていると考えられる。
  論文  参考訳（メタデータ） (2024-04-05T07:31:24Z)
• MIMo: A Multi-Modal Infant Model for Studying Cognitive Development [3.5009119465343033]
  コンピュータシミュレーションによる早期認知発達研究のためのオープンソースの幼児モデルMIMoを提案する。 MIMOはその周囲を両眼視、前庭系、前立腺、そして全身の仮想皮膚を通して知覚する。
  論文  参考訳（メタデータ） (2023-12-07T14:21:31Z)
• Intrinsic Physical Concepts Discovery with Object-Centric Predictive Models [86.25460882547581]
  PHYsical Concepts Inference NEtwork (PHYCINE) は、異なる抽象レベルの物理概念を監督なしで推論するシステムである。 物理概念変数を含むオブジェクト表現は因果推論タスクの性能向上に有効であることを示す。
  論文  参考訳（メタデータ） (2023-03-03T11:52:21Z)
• Computational Metacognition [2.0552049801885746]
  計算メタ認知は、統合された人工システムにおける高次推論に対する認知システムの観点から表される。 本稿では,メタレベルの目標操作と学習によって認識を変化させることで,計算メタ認知がパフォーマンスを向上することを示す。
  論文  参考訳（メタデータ） (2022-01-30T17:34:53Z)
• MetaCOG: A Hierarchical Probabilistic Model for Learning Meta-Cognitive Visual Representations [2.271910267215261]
  ニューラルオブジェクト検出器にアタッチして出力を監視し,その信頼性を決定する階層的確率モデルであるMetaCOGを提案する。 本稿では,MetaCOGがオブジェクト検出出力の誤差レベルに頑健であることを示す。
  論文  参考訳（メタデータ） (2021-10-06T23:37:21Z)
• Capturing the objects of vision with neural networks [0.0]
  人間の視覚知覚はその物理的関節でシーンを彫り、世界をオブジェクトに分解する。 対照的に、視覚物体認識のディープニューラルネットワーク(DNN)モデルは、主に感覚入力と結びついている。 両分野の関連研究をレビューし、これらの分野が相互にどのように役立つかを検討する。
  論文  参考訳（メタデータ） (2021-09-07T21:49:53Z)
• AGENT: A Benchmark for Core Psychological Reasoning [60.35621718321559]
  直観心理学は、観察可能な行動を駆動する隠された精神変数を推論する能力です。 他のエージェントを推論する機械エージェントに対する近年の関心にもかかわらず、そのようなエージェントが人間の推論を駆動するコア心理学の原則を学ぶか保持するかは明らかではない。 本稿では,プロシージャが生成する3dアニメーション,エージェントを4つのシナリオで構成したベンチマークを提案する。
  論文  参考訳（メタデータ） (2021-02-24T14:58:23Z)
• Bongard-LOGO: A New Benchmark for Human-Level Concept Learning and Reasoning [78.13740873213223]
  ボナード問題(BP)は、インテリジェントシステムにおける視覚認知へのインスピレーションとして導入された。 我々は人間レベルの概念学習と推論のための新しいベンチマークBongard-LOGOを提案する。
  論文  参考訳（メタデータ） (2020-10-02T03:19:46Z)
• VisualEchoes: Spatial Image Representation Learning through Echolocation [97.23789910400387]
  いくつかの動物種(コウモリ、イルカ、クジラなど)や視覚障害者さえもエコーロケーションを行う能力を持っている。 エコーロケーションを用いて有用な視覚特徴を学習する対話型表現学習フレームワークを提案する。 我々の研究は、物理的世界との相互作用によって監督される、エンボディエージェントのための表現学習の新しい道を開く。
  論文  参考訳（メタデータ） (2020-05-04T16:16:58Z)
• Dark, Beyond Deep: A Paradigm Shift to Cognitive AI with Humanlike Common Sense [142.53911271465344]
  我々は、次世代のAIは、新しいタスクを解決するために、人間のような「暗黒」の常識を取り入れなければならないと論じている。 我々は、人間のような常識を持つ認知AIの5つの中核領域として、機能、物理学、意図、因果性、実用性(FPICU)を識別する。
  論文  参考訳（メタデータ） (2020-04-20T04:07:28Z)

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。