論文の概要: Probabilistic Analogical Mapping with Semantic Relation Networks

• arxiv url: http://arxiv.org/abs/2103.16704v1
• Date: Tue, 30 Mar 2021 22:14:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-01 14:38:23.119403
• Title: Probabilistic Analogical Mapping with Semantic Relation Networks
• Title（参考訳）: 意味関係ネットワークを用いた確率論的アナロジマッピング
• Authors: Hongjing Lu, Nicholas Ichien, Keith J. Holyoak
• Abstract要約: 本稿では,意味関係ネットワークに基づくアナログマッピングの新しい計算モデルを提案する。 モデルが大人と子供の両方の類似写像を含む現象の広い範囲を占めていることを示します。
• 参考スコア（独自算出の注目度）: 2.084078990567849
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The human ability to flexibly reason with cross-domain analogies depends on mechanisms for identifying relations between concepts and for mapping concepts and their relations across analogs. We present a new computational model of analogical mapping, based on semantic relation networks constructed from distributed representations of individual concepts and of relations between concepts. Through comparisons with human performance in a new analogy experiment with 1,329 participants, as well as in four classic studies, we demonstrate that the model accounts for a broad range of phenomena involving analogical mapping by both adults and children. The key insight is that rich semantic representations of individual concepts and relations, coupled with a generic prior favoring isomorphic mappings, yield human-like analogical mapping.
• Abstract（参考訳）: ドメイン間の類似を柔軟に推論する人間の能力は、概念と概念のマッピングとアナログ間の関係を識別するメカニズムに依存する。 本稿では,個々の概念の分散表現と概念間の関係から構築した意味関係ネットワークに基づく,アナログマッピングの新しい計算モデルを提案する。 1,329人の被験者による新しいアナロジー実験と4つの古典的な研究で人間のパフォーマンスの比較を行い、このモデルが大人と子供の両方のアナロジーマッピングに関わる幅広い現象の原因であることを示した。 キーとなる洞察は、個々の概念と関係のリッチな意味表現と、同型写像を優先する一般的な先入観とが組み合わさって、人間のような類推的マッピングをもたらすことである。

関連論文リスト

• Evaluating Representational Similarity Measures from the Lens of Functional Correspondence [1.7811840395202345]
  神経科学と人工知能(AI)はどちらも、高次元のニューラルネットワークの解釈という課題に直面している。 表象比較が広く使われているにもかかわらず、重要な疑問が残る: どの指標がこれらの比較に最も適しているのか?
  論文  参考訳（メタデータ） (2024-11-21T23:53:58Z)
• Learning Discrete Concepts in Latent Hierarchical Models [73.01229236386148]
  自然の高次元データから学習する概念は、ヒューマンアライメントと解釈可能な機械学習モデルの構築の可能性を秘めている。 我々は概念を階層的因果モデルを通して関連付けられた離散潜在因果変数として定式化する。 我々は、理論的な主張を合成データ実験で裏付ける。
  論文  参考訳（メタデータ） (2024-06-01T18:01:03Z)
• A Recursive Bateson-Inspired Model for the Generation of Semantic Formal Concepts from Spatial Sensory Data [77.34726150561087]
  本稿では,複雑な感覚データから階層構造を生成するための記号のみの手法を提案する。 このアプローチは、概念や概念の創始の鍵としてのバテソンの差異の概念に基づいている。 このモデルは、トレーニングなしでかなりリッチだが人間に読まれる概念表現を生成することができる。
  論文  参考訳（メタデータ） (2023-07-16T15:59:13Z)
• Counting Like Human: Anthropoid Crowd Counting on Modeling the Similarity of Objects [92.80955339180119]
  メインストリームの群衆計数法は 密度マップを補強して 計数結果を得るために統合する。 これに触発された我々は,合理的かつ人為的な集団カウントフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-02T07:00:53Z)
• Similarity of Neural Architectures using Adversarial Attack Transferability [47.66096554602005]
  ニューラルネットワーク間の定量的かつスケーラブルな類似度尺度を設計する。 我々は69の最先端画像ネット分類器を大規模に解析する。 我々の結果は、異なるコンポーネントを持つ多様なニューラルアーキテクチャの開発がなぜ必要かについての洞察を提供する。
  論文  参考訳（メタデータ） (2022-10-20T16:56:47Z)
• Evaluation of taxonomic and neural embedding methods for calculating semantic similarity [0.0]
  分類学的類似度尺度と分布的類似度尺度のメカニズムについて検討する。 分類学的類似度尺度は、意味的類似度を予測するための素因として、最短経路長に依存する可能性がある。 類似性予測における概念関係と神経埋め込みの相乗効果は、伝達学習における知識ベースを活用する新しい傾向を示す可能性がある。
  論文  参考訳（メタデータ） (2022-09-30T02:54:21Z)
• Image Synthesis via Semantic Composition [74.68191130898805]
  本稿では,その意味的レイアウトに基づいて現実的なイメージを合成する新しい手法を提案する。 類似した外観を持つ物体に対して、類似した表現を共有するという仮説が立てられている。 本手法は, 空間的変化と関連表現の両方を生じる, 外観相関による領域間の依存関係を確立する。
  論文  参考訳（メタデータ） (2021-09-15T02:26:07Z)
• Visual stream connectivity predicts assessments of image quality [0.0]
  我々は、知覚的類似性判断の正確かつ説明的な説明を提供する微分幾何学を示す、類似性の心理物理学の新たな形式化を導出する。 予測は、人間の行動報告に対する単純な回帰によってさらに改善され、それによってより精巧な仮説化された神経接続パターンを構築するのに使用される。
  論文  参考訳（メタデータ） (2020-08-16T15:38:17Z)
• Analogy as Nonparametric Bayesian Inference over Relational Systems [10.736626320566705]
  本稿では,従来の関係構造からの予測を類似的に重み付けすることで,関係知識を新しい環境に一般化するベイズモデルを提案する。 この学習者は, 環境経験が小さい場合に, ランダム・ウィキペディア・システムから派生した関係データに基づいて, ナイーブな理論に基づく学習者より優れていることを示す。
  論文  参考訳（メタデータ） (2020-06-07T14:07:46Z)
• Neural Analogical Matching [8.716086137563243]
  人間と類似することの重要性は、人工知能の幅広い分野における研究の活発な領域となった。 本稿では,構造的,記号的表現間の類似を学習するニューラルネットワークであるAnalogical Matching Networkを紹介する。
  論文  参考訳（メタデータ） (2020-04-07T17:50:52Z)
• Hierarchical Human Parsing with Typed Part-Relation Reasoning [179.64978033077222]
  このタスクでは、人体構造をモデル化する方法が中心的なテーマである。 深層グラフネットワークの表現能力と階層的人間構造を同時に活用することを模索する。
  論文  参考訳（メタデータ） (2020-03-10T16:45:41Z)

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。