論文の概要: Binding and Perspective Taking as Inference in a Generative Neural Network Model

• arxiv url: http://arxiv.org/abs/2012.05152v1
• Date: Wed, 9 Dec 2020 16:43:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-16 01:51:33.188322
• Title: Binding and Perspective Taking as Inference in a Generative Neural Network Model
• Title（参考訳）: 生成ニューラルネットワークモデルにおける推論としてのバインディングとパースペクティブ
• Authors: Mahdi Sadeghi, Fabian Schrodt, Sebastian Otte, Martin V. Butz
• Abstract要約: 生成エンコーダ・デコーダアーキテクチャはその観点に適応し、振り返り推論によって特徴を結合する。 得られた勾配に基づく推論プロセスは、既知の生体運動パターンに対する視点の取扱いと結合の問題を解く。
• 参考スコア（独自算出の注目度）: 1.0323063834827415
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The ability to flexibly bind features into coherent wholes from different perspectives is a hallmark of cognition and intelligence. Importantly, the binding problem is not only relevant for vision but also for general intelligence, sensorimotor integration, event processing, and language. Various artificial neural network models have tackled this problem with dynamic neural fields and related approaches. Here we focus on a generative encoder-decoder architecture that adapts its perspective and binds features by means of retrospective inference. We first train a model to learn sufficiently accurate generative models of dynamic biological motion or other harmonic motion patterns, such as a pendulum. We then scramble the input to a certain extent, possibly vary the perspective onto it, and propagate the prediction error back onto a binding matrix, that is, hidden neural states that determine feature binding. Moreover, we propagate the error further back onto perspective taking neurons, which rotate and translate the input features onto a known frame of reference. Evaluations show that the resulting gradient-based inference process solves the perspective taking and binding problem for known biological motion patterns, essentially yielding a Gestalt perception mechanism. In addition, redundant feature properties and population encodings are shown to be highly useful. While we evaluate the algorithm on biological motion patterns, the principled approach should be applicable to binding and Gestalt perception problems in other domains.
• Abstract（参考訳）: 異なる視点から、機能をコヒーレントな全体へ柔軟に結合する能力は、認知と知性の要点である。 重要なことは、結合問題は視覚だけでなく、汎用知能、感覚運動統合、イベント処理、言語にも関係している。 様々なニューラルネットワークモデルが、動的ニューラルネットワークと関連するアプローチでこの問題に取り組んでいる。 ここでは,そのパースペクティブを適用し,振り返り推論によって特徴を結合する生成エンコーダ・デコーダアーキテクチャに焦点を当てる。 まず、動的生体運動や振り子などの調和運動パターンを十分に正確に生成するモデルを学ぶようにモデルを訓練する。 そして、入力をある程度スクランブルし、おそらくその視点を変えて、予測エラーを結合マトリックス、すなわち特徴結合を決定する隠れた神経状態へと伝播させます。 さらに、我々は、入力特徴を既知の参照フレームに回転させ、翻訳するニューロンを捉える視点に誤りをさらに伝播させる。 評価の結果、勾配に基づく推定プロセスは既知の生体運動パターンの視点と結合問題を解決し、基本的にゲシュタルト知覚機構をもたらすことが示された。 さらに、冗長な特徴特性と集団符号化は非常に有用であることが示されている。 生体運動パターンのアルゴリズムを評価するが、原理的アプローチは他の領域における結合およびゲシュタルト知覚問題に適用すべきである。

関連論文リスト

• Binding Dynamics in Rotating Features [72.80071820194273]
  本稿では,特徴間のアライメントを明示的に計算し,それに応じて重みを調整する「コサイン結合」機構を提案する。 これにより、自己注意と生物学的神経プロセスに直接接続し、回転する特徴に現れるオブジェクト中心の表現の基本的なダイナミクスに光を当てることができます。
  論文  参考訳（メタデータ） (2024-02-08T12:31:08Z)
• Exploring mechanisms of Neural Robustness: probing the bridge between geometry and spectrum [0.0]
  本研究では, 重み, ジャコビアン, スペクトル正規化による表現の滑らかさとスペクトルの関係について検討した。 本研究の目的は, 神経表現における幾何学的特徴, スペクトル特性, 頑健性, 表現性の間の相互作用を理解することである。
  論文  参考訳（メタデータ） (2024-02-05T12:06:00Z)
• Unsupervised Learning of Invariance Transformations [105.54048699217668]
  近似グラフ自己同型を見つけるためのアルゴリズムフレームワークを開発する。 重み付きグラフにおける近似自己同型を見つけるために、このフレームワークをどのように利用できるかについて議論する。
  論文  参考訳（メタデータ） (2023-07-24T17:03:28Z)
• Language Knowledge-Assisted Representation Learning for Skeleton-Based Action Recognition [71.35205097460124]
  人間が他人の行動を理解して認識する方法は、複雑な神経科学の問題である。 LA-GCNは、大規模言語モデル(LLM)知識アシストを用いたグラフ畳み込みネットワークを提案する。
  論文  参考訳（メタデータ） (2023-05-21T08:29:16Z)
• Binding Dancers Into Attractors [0.5801044612920815]
  特徴結合と視点取りは重要な認知能力である。 両課題を解消する再帰型ニューラルネットワークモデルを提案する。 まずLSTMをトレーニングし、標準的視点から3次元運動力学を予測する。 そして、新しい視点と特徴配置を持つ類似の運動力学を提示する。
  論文  参考訳（メタデータ） (2022-06-01T22:01:29Z)
• Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
  識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。 データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
  論文  参考訳（メタデータ） (2022-02-01T17:11:13Z)
• Modeling Implicit Bias with Fuzzy Cognitive Maps [0.0]
  本稿では、構造化データセットにおける暗黙バイアスを定量化するファジィ認知マップモデルを提案する。 本稿では,ニューロンの飽和を防止する正規化様伝達関数を備えた新しい推論機構を提案する。
  論文  参考訳（メタデータ） (2021-12-23T17:04:12Z)
• Self-Supervised Graph Representation Learning for Neuronal Morphologies [75.38832711445421]
  ラベルのないデータセットから3次元神経形態の低次元表現を学習するためのデータ駆動型アプローチであるGraphDINOを提案する。 2つの異なる種と複数の脳領域において、この方法では、専門家による手動の特徴に基づく分類と同程度に形態学的細胞型クラスタリングが得られることを示す。 提案手法は,大規模データセットにおける新しい形態的特徴や細胞型の発見を可能にする可能性がある。
  論文  参考訳（メタデータ） (2021-12-23T12:17:47Z)
• Overcoming the Domain Gap in Contrastive Learning of Neural Action Representations [60.47807856873544]
  神経科学の基本的な目標は、神経活動と行動の関係を理解することである。 我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。 このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
  論文  参考訳（メタデータ） (2021-11-29T15:27:51Z)
• Drop, Swap, and Generate: A Self-Supervised Approach for Generating Neural Activity [33.06823702945747]
  我々はSwap-VAEと呼ばれる神経活動の不整合表現を学習するための新しい教師なしアプローチを導入する。 このアプローチは、生成モデリングフレームワークとインスタンス固有のアライメント損失を組み合わせたものです。 我々は、行動に関連付けられた関連する潜在次元に沿って、ニューラルネットワークをアンタングルする表現を構築することが可能であることを示す。
  論文  参考訳（メタデータ） (2021-11-03T16:39:43Z)

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。