Fugu-MT 論文翻訳(概要): Neurocognitive Informatics Manifesto

論文の概要: Neurocognitive Informatics Manifesto

arxiv url: http://arxiv.org/abs/2101.03609v1
Date: Sun, 10 Jan 2021 19:20:15 GMT
ステータス: 処理完了
システム内更新日: 2021-04-08 09:22:37.539612
Title: Neurocognitive Informatics Manifesto
Title（参考訳）: 神経認知情報学マニフェスト
Authors: W{\l}odzis{\l}aw Duch
Abstract要約: インフォマティクスは自然情報システムと人工情報システムの構造のあらゆる側面を研究する。神経認知情報学は、人工および自然系のマッチングを改善するのに役立つ新しい分野です。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Informatics studies all aspects of the structure of natural and artificial information systems. Theoretical and abstract approaches to information have made great advances, but human information processing is still unmatched in many areas, including information management, representation and understanding. Neurocognitive informatics is a new, emerging field that should help to improve the matching of artificial and natural systems, and inspire better computational algorithms to solve problems that are still beyond the reach of machines. In this position paper examples of neurocognitive inspirations and promising directions in this area are given.
Abstract（参考訳）: インフォマティクスは自然情報システムと人工情報システムの構造のあらゆる側面を研究する。情報に対する理論的、抽象的なアプローチは大きな進歩を遂げてきたが、人間の情報処理は情報管理、表現、理解を含む多くの領域においてまだ整合していない。ニューロ認知情報学(Neurocognitive informatics)は、人工システムと自然システムの整合性を改善するのに役立つ新しい分野であり、より優れた計算アルゴリズムによって、まだ機械の到達範囲を超えている問題を解決する。本稿では,この領域における神経認知的インスピレーションと有望な方向性の例を示す。

関連論文リスト

Neural Information Organizing and Processing -- Neural Machines [0.0]
自然および人工ニューラルシステムのニューラルマシンとして統一的な記述とモデリングを可能にする、ニューラル構造、プロセス、パラメータ、特性の情報合成について述べる。
論文参考訳（メタデータ） (2024-02-15T15:15:11Z)
Nature-Inspired Local Propagation [68.63385571967267]
自然学習プロセスは、データの表現と学習が局所性を尊重するような方法で交わされるメカニズムに依存している。ハミルトン方程式の構造を導出した「学習の法則」のアルゴリズム的解釈は、伝播の速度が無限大になるときにバックプロパゲーションに還元されることを示す。これにより、バックプロパゲーションと提案されたローカルアルゴリズムの置き換えに基づく完全なオンライン情報に基づく機械学習への扉が開く。
論文参考訳（メタデータ） (2024-02-04T21:43:37Z)
Brain-Inspired Machine Intelligence: A Survey of Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文参考訳（メタデータ） (2023-12-01T05:20:57Z)
Neuronal Auditory Machine Intelligence (NEURO-AMI) In Perspective [0.0]
ニューラル・オーディトリー・マシン・インテリジェンス(Neuro-AMI)と競合するバイオインスパイアされた連続学習型ニューラル・ニューラル・ニューラル・ニューラル・インテリジェンス(Neuro-AMI)の概要を述べる。本稿では,ニューラル・オーディトリー・マシン・インテリジェンス(Neuro-AMI)と競合するバイオインスパイアされた連続学習型ニューラル・ラーニング・ツールについて概説する。
論文参考訳（メタデータ） (2023-10-14T13:17:58Z)
Advanced Computing and Related Applications Leveraging Brain-inspired Spiking Neural Networks [0.0]
スパイクニューラルネットワークは、脳に似たコンピューティングを実現する人工知能のコアの1つである。本稿では,5つのニューロンモデルの強み,弱さ,適用性について要約し,5つのネットワークトポロジの特徴を解析する。
論文参考訳（メタデータ） (2023-09-08T16:41:08Z)
Synergistic information supports modality integration and flexible learning in neural networks solving multiple tasks [107.8565143456161]
本稿では,様々な認知タスクを行う単純な人工ニューラルネットワークが採用する情報処理戦略について検討する。結果は、ニューラルネットワークが複数の多様なタスクを学習するにつれて、シナジーが増加することを示している。トレーニング中に無作為にニューロンを停止させると、ネットワークの冗長性が増加し、ロバスト性の増加に対応する。
論文参考訳（メタデータ） (2022-10-06T15:36:27Z)
Neuro-Symbolic Learning of Answer Set Programs from Raw Data [54.56905063752427]
Neuro-Symbolic AIは、シンボリックテクニックの解釈可能性と、生データから学ぶ深層学習の能力を組み合わせることを目的としている。本稿では,ニューラルネットワークを用いて生データから潜在概念を抽出するNSIL(Neuro-Symbolic Inductive Learner)を提案する。 NSILは表現力のある知識を学習し、計算的に複雑な問題を解き、精度とデータ効率の観点から最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2022-05-25T12:41:59Z)
Adaptive cognitive fit: Artificial intelligence augmented management of information facets and representations [62.997667081978825]
ビッグデータ技術と人工知能(AI)応用の爆発的な成長は、情報ファセットの普及に繋がった。等角性や正確性などの情報フェートは、情報に対する人間の認識を支配的かつ著しく左右する。認知の限界を克服するために情報表現を適応できる人工知能技術が必要であることを示唆する。
論文参考訳（メタデータ） (2022-04-25T02:47:25Z)
On Information Processing Limitations In Humans and Machines [0.0]
情報理論は情報の伝達、処理、抽出、利用の研究に関係している。本稿では,人間の情報処理の限界が人工知能の信頼性向上にもたらす影響について論じる。
論文参考訳（メタデータ） (2021-12-07T13:03:00Z)
Neural Fields in Visual Computing and Beyond [54.950885364735804]
機械学習の最近の進歩は、座標ベースニューラルネットワークを用いた視覚コンピューティング問題の解決への関心が高まっている。ニューラルネットワークは、3D形状と画像の合成、人体のアニメーション、3D再構成、ポーズ推定に成功している。本報告は、文脈、数学的基礎、および、ニューラルネットワークに関する文献の広範なレビューを提供する。
論文参考訳（メタデータ） (2021-11-22T18:57:51Z)
Incorporation of Deep Neural Network & Reinforcement Learning with Domain Knowledge [0.0]
本稿では,ニューラルネットワークを用いたモデル構築において,ドメイン情報を組み込んだ手法について述べる。空間データの統合は、知識理解モデルの開発や、ヒューマン・マシン・インタフェースと強化学習を活用することで情報理解を支援する他の分野において、一意に重要である。
論文参考訳（メタデータ） (2021-07-29T17:29:02Z)

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。