論文の概要: Patterns of Cognition: Cognitive Algorithms as Galois Connections
Fulfilled by Chronomorphisms On Probabilistically Typed Metagraphs
- arxiv url: http://arxiv.org/abs/2102.10581v1
- Date: Sun, 21 Feb 2021 10:50:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-23 15:03:20.020336
- Title: Patterns of Cognition: Cognitive Algorithms as Galois Connections
Fulfilled by Chronomorphisms On Probabilistically Typed Metagraphs
- Title（参考訳）: 認知のパターン:確率的型付きメタグラフの時系列化によるガロア接続としての認知アルゴリズム
- Authors: Ben Goertzel
- Abstract要約: AGI関連アルゴリズムの幅広いクラスは、共通の形式的なフレームワークで表現できると論じられている。
例としては、OpenCog AGIフレームワークで使用されるコア認知アルゴリズムがある。
- 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: It is argued that a broad class of AGI-relevant algorithms can be expressed
in a common formal framework, via specifying Galois connections linking search
and optimization processes on directed metagraphs whose edge targets are
labeled with probabilistic dependent types, and then showing these connections
are fulfilled by processes involving metagraph chronomorphisms. Examples are
drawn from the core cognitive algorithms used in the OpenCog AGI framework:
Probabilistic logical inference, evolutionary program learning, pattern mining,
agglomerative clustering, pattern mining and nonlinear-dynamical attention
allocation.
The analysis presented involves representing these cognitive algorithms as
recursive discrete decision processes involving optimizing functions defined
over metagraphs, in which the key decisions involve sampling from probability
distributions over metagraphs and enacting sets of combinatory operations on
selected sub-metagraphs. The mutual associativity of the combinatory operations
involved in a cognitive process is shown to often play a key role in enabling
the decomposition of the process into folding and unfolding operations; a
conclusion that has some practical implications for the particulars of
cognitive processes, e.g. militating toward use of reversible logic and
reversible program execution. It is also observed that where this mutual
associativity holds, there is an alignment between the hierarchy of subgoals
used in recursive decision process execution and a hierarchy of subpatterns
definable in terms of formal pattern theory.
- Abstract（参考訳）: AGI関連アルゴリズムの広いクラスは、エッジターゲットが確率依存型でラベル付けされている有向メタグラフの探索と最適化プロセスをリンクするガロア接続を指定し、これらの接続をメタグラフクロノ同型を含むプロセスによって実現することによって、共通の形式的フレームワークで表現することができる。
OpenCog AGIフレームワークで使用されるコア認知アルゴリズムは、確率論的論理推論、進化的プログラム学習、パターンマイニング、集約的クラスタリング、パターンマイニング、非線形動的注意割り当てである。
提示された分析は、これらの認知アルゴリズムを、メタグラフ上で定義された関数を最適化する再帰的離散的決定プロセスとして表現することを含む。
認知過程に関わる結合操作の相互関連性は、しばしばプロセスの折り畳みおよび展開操作への分解を可能にする上で重要な役割を果たしていることが示されている。
可逆論理と可逆プログラム実行の使用に向けての武装。
また、この相互連想性が成り立つ場合、再帰的決定プロセスの実行に使用されるサブゴールの階層と、形式パターン理論の観点で定義可能なサブパターンの階層との間にアライメントがあることも観察されている。
関連論文リスト
- Multi-objective Binary Differential Approach with Parameter Tuning for Discovering Business Process Models: MoD-ProM [2.3423913554158653]
本稿では,プロセス発見のための多目的フレームワークにおけるバイナリ微分進化手法について考察する。
提案手法により生成されたプロセスモデルは、最先端のアルゴリズムで生成されたプロセスよりも優れているか、少なくとも優れていることが示されている。
論文 参考訳（メタデータ） (2024-06-25T16:53:55Z) - SymbolicAI: A framework for logic-based approaches combining generative models and solvers [9.841285581456722]
生成過程における概念学習とフロー管理に論理的アプローチを取り入れた,汎用的でモジュール化されたフレームワークであるSybolicAIを紹介する。
我々は,大規模言語モデル(LLM)を,自然言語命令と形式言語命令の両方に基づいてタスクを実行する意味的解決器として扱う。
論文 参考訳（メタデータ） (2024-02-01T18:50:50Z) - Discrete, compositional, and symbolic representations through attractor dynamics [51.20712945239422]
我々は,思考の確率的言語(PLoT)に似た認知過程をモデル化するために,アトラクタダイナミクスを記号表現と統合した新しいニューラルシステムモデルを導入する。
我々のモデルは、連続表現空間を、事前定義されたプリミティブに頼るのではなく、教師なし学習を通じて、記号系の意味性と構成性の特徴を反映する、記号列に対応する引き付け状態を持つ離散盆地に分割する。
このアプローチは、認知操作の複雑な双対性を反映したより包括的なモデルを提供する、AIにおける表現力の証明された神経弁別可能な基質であるニューラルダイナミクスを通じて、シンボル処理とサブシンボル処理の両方を統合する統一的なフレームワークを確立する。
論文 参考訳（メタデータ） (2023-10-03T05:40:56Z) - Object Representations as Fixed Points: Training Iterative Refinement
Algorithms with Implicit Differentiation [88.14365009076907]
反復的洗練は表現学習に有用なパラダイムである。
トレーニングの安定性とトラクタビリティを向上させる暗黙の差別化アプローチを開発する。
論文 参考訳（メタデータ） (2022-07-02T10:00:35Z) - Object Type Clustering using Markov Directly-Follow Multigraph in
Object-Centric Process Mining [2.3351527694849574]
本稿では,Markov Directly-Follow Multigraphに基づくクラスタ類似のケース概念に対する新しいアプローチを提案する。
しきい値チューニングアルゴリズムは、異なるレベルの類似性に基づいて発見できる異なるクラスタの集合を特定するためにも定義される。
論文 参考訳（メタデータ） (2022-06-22T12:36:46Z) - Deep Equilibrium Assisted Block Sparse Coding of Inter-dependent
Signals: Application to Hyperspectral Imaging [71.57324258813675]
相互依存信号のデータセットは、列が強い依存を示す行列として定義される。
ニューラルネットワークは、事前に構造として機能し、基礎となる信号相互依存性を明らかにするために使用される。
ディープ・アンローリングとディープ・平衡に基づくアルゴリズムが開発され、高度に解釈可能で簡潔なディープ・ラーニング・ベース・アーキテクチャを形成する。
論文 参考訳（メタデータ） (2022-03-29T21:00:39Z) - Formalization of a Stochastic Approximation Theorem [0.22940141855172028]
近似アルゴリズムは、ターゲットが不明な環境でターゲット値を近似するために使用される反復的な手順である。
もともとは1951年にRobinsとMonroによって発表された論文で、近似の分野は飛躍的に成長し、応用領域に影響を与えている。
論文 参考訳（メタデータ） (2022-02-12T02:31:14Z) - Fractal Structure and Generalization Properties of Stochastic
Optimization Algorithms [71.62575565990502]
最適化アルゴリズムの一般化誤差は、その一般化尺度の根底にあるフラクタル構造の複雑性'にバウンドできることを示す。
さらに、特定の問題(リニア/ロジスティックレグレッション、隠れ/層ニューラルネットワークなど)とアルゴリズムに対して、結果をさらに専門化します。
論文 参考訳（メタデータ） (2021-06-09T08:05:36Z) - Process Discovery for Structured Program Synthesis [70.29027202357385]
プロセスマイニングにおける中核的なタスクは、イベントログデータから正確なプロセスモデルを学ぶことを目的としたプロセス発見である。
本稿では,ターゲットプロセスモデルとして(ブロック-)構造化プログラムを直接使用することを提案する。
我々は,このような構造化プログラムプロセスモデルの発見に対して,新たなボトムアップ・アグリメティブ・アプローチを開発する。
論文 参考訳（メタデータ） (2020-08-13T10:33:10Z) - Distributed Value Function Approximation for Collaborative Multi-Agent
Reinforcement Learning [2.7071541526963805]
本稿では,多エージェントオフポリシー学習のための分散勾配に基づく時間差分アルゴリズムを提案する。
提案するアルゴリズムは,その形式,可視性トレースの定義,時間スケールの選択,コンセンサス反復を組み込む方法などによって異なる。
より弱い情報構造制約の下で時間差分アルゴリズムにどのように適用できるかを示す。
論文 参考訳（メタデータ） (2020-06-18T11:46:09Z) - Learned Factor Graphs for Inference from Stationary Time Sequences [107.63351413549992]
定常時間列のためのモデルベースアルゴリズムとデータ駆動型MLツールを組み合わせたフレームワークを提案する。
ニューラルネットワークは、時系列の分布を記述する因子グラフの特定のコンポーネントを別々に学習するために開発された。
本稿では,学習された定常因子グラフに基づく推論アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-06-05T07:06:19Z)
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。