論文の概要: Perspectives on Machine Learning from Psychology's Reproducibility
Crisis
- arxiv url: http://arxiv.org/abs/2104.08878v1
- Date: Sun, 18 Apr 2021 15:17:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-20 14:34:43.991983
- Title: Perspectives on Machine Learning from Psychology's Reproducibility
Crisis
- Title(参考訳): 心理学の再現性危機から見た機械学習の展望
- Authors: Samuel J. Bell and Onno P. Kampman
- Abstract要約: 我々は、心理学の改革から選択されたアイデアを提示し、それらを機械学習のオーディエンスに関連づける。
本稿では,心理学の改革から選択したアイデアを,機械学習のオーディエンスとの関連性に翻訳する。
- 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: In the early 2010s, a crisis of reproducibility rocked the field of
psychology. Following a period of reflection, the field has responded with
radical reform of its scientific practices. More recently, similar questions
about the reproducibility of machine learning research have also come to the
fore. In this short paper, we present select ideas from psychology's
reformation, translating them into relevance for a machine learning audience.
- Abstract(参考訳): 2010年代初頭、再現性の危機が心理学の分野を揺るがした。
反省の期間を経て、この分野は科学的実践の急進的な改革に反応した。
さらに最近では、機械学習研究の再現性に関する同様の疑問も浮上している。
本稿では,心理学の改革から選択したアイデアを,機械学習のオーディエンスとの関連性に翻訳する。
関連論文リスト
- Reproducibility, Replicability, and Repeatability: A survey of
reproducible research with a focus on high performance computing [0.0]
再現性は科学研究の基本的な原理である。
高性能コンピューティングには固有の課題がある。
本稿では、これらの懸念と潜在的な解決策を包括的にレビューする。
論文 参考訳(メタデータ) (2024-02-12T09:59:11Z) - Exploring the Frontiers of LLMs in Psychological Applications: A
Comprehensive Review [0.0]
大規模言語モデル(LLM)は、人間の認知と行動の側面をシミュレートする可能性がある。
LLMは、文献レビュー、仮説生成、実験的なデザイン、実験的な主題、データ分析、学術的な執筆、心理学におけるピアレビューのための革新的なツールを提供する。
データプライバシ、心理的研究にLLMを使うことの倫理的意味、モデルの制限をより深く理解する必要がある、といった問題があります。
論文 参考訳(メタデータ) (2024-01-03T03:01:29Z) - 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) - A Unified View of Deep Learning for Reaction and Retrosynthesis
Prediction: Current Status and Future Challenges [59.41636061300571]
反応と再合成予測は計算化学の基本的な課題である。
これらの問題に対処するために、様々なディープラーニングアプローチが提案されている。
本報告は,反応の統一的理解と再合成予測を目的とした,初めての総合的かつ体系的な調査である。
論文 参考訳(メタデータ) (2023-06-28T03:15:55Z) - Expanding the Role of Affective Phenomena in Multimodal Interaction
Research [57.069159905961214]
マルチモーダルインタラクション, 感情計算, 自然言語処理において, 選ばれたカンファレンスから16,000以上の論文を調査した。
本論文では,感情関連論文910を同定し,情緒現象の役割について分析した。
我々は、人間の社会的行動や認知状態の機械的理解を高めるために、AIシステムによって感情と感情の予測がどのように使用されるかについて、限られた研究結果を得た。
論文 参考訳(メタデータ) (2023-05-18T09:08:39Z) - Machine Psychology: Investigating Emergent Capabilities and Behavior in
Large Language Models Using Psychological Methods [0.0]
大規模言語モデル(LLM)は、現在、人間のコミュニケーションと日常の生活を結び付けるAIシステムの最前線にある。
本稿では「機械心理学」と呼ばれる新しい研究分野を紹介する。
機械心理学研究の方法論的基準を定義しており、特にプロンプトデザインのポリシーに焦点を当てている。
論文 参考訳(メタデータ) (2023-03-24T13:24:41Z) - Memory-Augmented Theory of Mind Network [59.9781556714202]
社会的推論は、心の理論(ToM)の能力を必要とする。
ToMに対する最近の機械学習アプローチは、観察者が過去を読み、他のエージェントの振る舞いを提示するように訓練できることを実証している。
我々は,新たなニューラルメモリ機構を組み込んで符号化し,階層的な注意を払って他者に関する情報を選択的に検索することで,課題に対処する。
この結果、ToMMYは心的プロセスについての仮定をほとんど行わずに理性を学ぶマインドモデルである。
論文 参考訳(メタデータ) (2023-01-17T14:48:58Z) - Affective Idiosyncratic Responses to Music [63.969810774018775]
本研究では,中国社会音楽プラットフォーム上での403万以上のリスナーコメントから,音楽に対する感情応答を測定する手法を開発した。
我々は,聴取者の感情反応を促進する音楽的,歌詞的,文脈的,人口動態的,精神的健康的効果をテストした。
論文 参考訳(メタデータ) (2022-10-17T19:57:46Z) - Reproducibility in machine learning for medical imaging [3.1390096961027076]
本章は、医療画像の機械学習分野の研究者への紹介である。
それぞれの目的は、それを定義すること、それを達成するための要件を説明すること、有用性について議論することである。
この章は、教義の利点に関する議論と、この概念と研究実践におけるその実践に対する非教義的なアプローチへの嘆願で終わる。
論文 参考訳(メタデータ) (2022-09-12T09:00:04Z) - From Psychological Curiosity to Artificial Curiosity: Curiosity-Driven
Learning in Artificial Intelligence Tasks [56.20123080771364]
心理学的好奇心は、探索と情報取得を通じて学習を強化するために、人間の知性において重要な役割を果たす。
人工知能(AI)コミュニティでは、人工好奇心は効率的な学習に自然な本質的な動機を与える。
CDLはますます人気を博し、エージェントは新たな知識を学習するために自己動機付けされている。
論文 参考訳(メタデータ) (2022-01-20T17:07:03Z) - Causality Learning: A New Perspective for Interpretable Machine Learning [15.556963808865918]
解釈可能な機械学習は、現在、研究コミュニティで主要なトピックです。
本稿では,基礎的背景と重要な概念を用いた因果解析の概要を述べるとともに,直近の因果解析における因果解析手法を要約する。
論文 参考訳(メタデータ) (2020-06-27T13:01:28Z)
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。