論文の概要: A Number Sense as an Emergent Property of the Manipulating Brain
- arxiv url: http://arxiv.org/abs/2012.04132v2
- Date: Mon, 22 Feb 2021 09:51:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-18 04:36:00.906611
- Title: A Number Sense as an Emergent Property of the Manipulating Brain
- Title(参考訳): 操作する脳の創発的特性としての数感覚
- Authors: Neehar Kondapaneni, Pietro Perona
- Abstract要約: 本研究では,小さな物体を自在に操作し,シーンの変化を予測するモデルを提案する。
数値と量を持つ施設の重要な側面は教師の明示的な監督なしに学ぶことができると結論づけた。
- 参考スコア(独自算出の注目度): 25.034360614597972
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The ability to understand and manipulate numbers and quantities emerges
during childhood, but the mechanism through which this ability is developed is
still poorly understood. In particular, it is not known whether acquiring such
a {\em number sense} is possible without supervision from a teacher.
To explore this question, we propose a model in which spontaneous and
undirected manipulation of small objects trains perception to predict the
resulting scene changes. We find that, from this task, an image representation
emerges that exhibits regularities that foreshadow numbers and quantity. These
include distinct categories for zero and the first few natural numbers, a
notion of order, and a signal that correlates with numerical quantity. As a
result, our model acquires the ability to estimate the number of objects in the
scene, as well as {\em subitization}, i.e. the ability to recognize at a glance
the exact number of objects in small scenes. We conclude that important aspects
of a facility with numbers and quantities may be learned without explicit
teacher supervision.
- Abstract(参考訳): 数量や量を理解・操作する能力は幼少期に出現するが、この能力が発達するメカニズムはいまだに理解されていない。
特に、教師の監督なくしてそのような「数感覚」を得ることが可能かどうかは不明である。
そこで本研究では,小型物体の自発的・非間接的操作が知覚を訓練し,シーン変化を予測できるモデルを提案する。
このタスクから、数と量を予測できる正則性を示す画像表現が現れていることが分かる。
それらには、ゼロと最初の数個の自然数、順序の概念、数値量と相関する信号の異なるカテゴリが含まれる。
その結果、このモデルでは、シーン内のオブジェクトの数を推定できるようになり、また {\em subitization {\displaystyle {\em subitization} も得られる。
小さなシーンでオブジェクトの正確な数を一目で認識する能力。
数値と量を持つ施設の重要な側面は教師の明示的な監督なしに学ぶことができると結論づけた。
関連論文リスト
- Large-scale Generative AI Models Lack Visual Number Sense [0.09208007322096533]
人間は、数えなくても、視覚的なシーンの物体の数を簡単に判断できる。
生成型人工知能(AI)モデルでは、単純な視覚刺激で物体の数を確実に指定できるかどうかを検討した。
論文 参考訳(メタデータ) (2024-01-09T18:18:32Z) - What Makes Pre-Trained Visual Representations Successful for Robust
Manipulation? [57.92924256181857]
照明やシーンテクスチャの微妙な変化の下では,操作や制御作業のために設計された視覚表現が必ずしも一般化されないことがわかった。
創発的セグメンテーション能力は,ViTモデルにおける分布外一般化の強い予測因子であることがわかった。
論文 参考訳(メタデータ) (2023-11-03T18:09:08Z) - Visual Knowledge Tracing [26.446317829793454]
本稿では,人間の学習者の進化的分類行動を追跡する新しい課題を提案する。
本研究では,学習者が使用する視覚的特徴を協調的に抽出し,活用する分類機能を予測するモデルを提案する。
以上の結果から,我々の反復モデルでは,3つの課題のある医療画像と種識別タスクに基づいて,人間の学習者の分類行動を予測することが可能であることが示唆された。
論文 参考訳(メタデータ) (2022-07-20T19:24:57Z) - Stochastic Coherence Over Attention Trajectory For Continuous Learning
In Video Streams [64.82800502603138]
本稿では,映像ストリーム中のピクセルワイズ表現を段階的かつ自律的に開発するための,ニューラルネットワークに基づく新しいアプローチを提案する。
提案手法は, 参加者の入場地を観察することで, エージェントが学習できる, 人間の様の注意機構に基づく。
実験では,3次元仮想環境を利用して,映像ストリームを観察することで,エージェントが物体の識別を学べることを示す。
論文 参考訳(メタデータ) (2022-04-26T09:52:31Z) - Divergent representations of ethological visual inputs emerge from
supervised, unsupervised, and reinforcement learning [20.98896935012773]
8つの異なる畳み込みニューラルネットワークによって学習された表現を比較する。
強化学習で訓練されたネットワークは,他のネットワークと大きく異なることがわかった。
論文 参考訳(メタデータ) (2021-12-03T17:18:09Z) - Beyond Tracking: Using Deep Learning to Discover Novel Interactions in
Biological Swarms [3.441021278275805]
本稿では,システムレベルの状態を全体像から直接予測するディープ・ネットワーク・モデルを提案する。
結果の予測モデルは、人間の理解した予測モデルに基づいていないため、説明モジュールを使用する。
これは、行動生態学における人工知能の例である。
論文 参考訳(メタデータ) (2021-08-20T22:50:41Z) - Abstract Spatial-Temporal Reasoning via Probabilistic Abduction and
Execution [97.50813120600026]
時空間推論は人工知能(AI)の課題である
最近の研究は、この種の抽象的推論タスクに焦点を当てている -- Raven's Progressive Matrices (RPM)
ニューロシンボリックな確率的アブダクションと実行学習者(PrAE)を提案する。
論文 参考訳(メタデータ) (2021-03-26T02:42:18Z) - 3D Human motion anticipation and classification [8.069283749930594]
人間の動き予測と特徴学習のための新しいシーケンス・トゥ・シークエンスモデルを提案する。
我々のモデルは、同じ入力シーケンスから複数の人間のポーズの将来のシーケンスを予測することを学習する。
識別器から学習した特徴を用いて,行動認識ネットワークを訓練するには,エポック数の半分以下しかかからないことを示す。
論文 参考訳(メタデータ) (2020-12-31T00:19:39Z) - What Can You Learn from Your Muscles? Learning Visual Representation
from Human Interactions [50.435861435121915]
視覚のみの表現よりも優れた表現を学べるかどうかを調べるために,人間のインタラクションとアテンション・キューを用いている。
実験の結果,我々の「音楽監督型」表現は,視覚のみの最先端手法であるMoCoよりも優れていた。
論文 参考訳(メタデータ) (2020-10-16T17:46:53Z) - A robot that counts like a child: a developmental model of counting and
pointing [69.26619423111092]
実物を数えることができる新しい神経ロボティクスモデルを導入する。
このモデルにより,エンボディメントと数値認識の相互作用を調べることができる。
トレーニングされたモデルは、アイテムのセットをカウントすることができ、同時にそれらを指し示します。
論文 参考訳(メタデータ) (2020-08-05T21:06:27Z) - Learning What Makes a Difference from Counterfactual Examples and
Gradient Supervision [57.14468881854616]
ニューラルネットワークの一般化能力を改善するための補助的学習目標を提案する。
我々は、異なるラベルを持つ最小差の例のペア、すなわち反ファクトまたはコントラストの例を使用し、タスクの根底にある因果構造を示す信号を与える。
このテクニックで訓練されたモデルは、配布外テストセットのパフォーマンスを向上させる。
論文 参考訳(メタデータ) (2020-04-20T02:47:49Z)
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。