論文の概要: Learning to Improve Representations by Communicating About Perspectives
- arxiv url: http://arxiv.org/abs/2109.09390v1
- Date: Mon, 20 Sep 2021 09:30:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-22 02:50:48.383965
- Title: Learning to Improve Representations by Communicating About Perspectives
- Title（参考訳）: 視点をコミュニケーションして表現を改善するための学習
- Authors: Julius Taylor, Eleni Nisioti, Cl\'ement Moulin-Frier
- Abstract要約: 本稿では,多数のオートエンコーダからなるミニマルアーキテクチャを提案する。
提案したアーキテクチャは整列表現の出現を許容することを示す。
その結果、主観的パースペクティブからのコミュニケーションが、マルチエージェントシステムにおけるより抽象的な表現の獲得につながることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Effective latent representations need to capture abstract features of the
externalworld. We hypothesise that the necessity for a group of agents to
reconcile theirsubjective interpretations of a shared environment state is an
essential factor in-fluencing this property. To test this hypothesis, we
propose an architecture whereindividual agents in a population receive
different observations of the same under-lying state and learn latent
representations that they communicate to each other. Wehighlight a fundamental
link between emergent communication and representationlearning: the role of
language as a cognitive tool and the opportunities conferredby subjectivity, an
inherent property of most multi-agent systems. We present aminimal architecture
comprised of a population of autoencoders, where we defineloss functions,
capturing different aspects of effective communication, and examinetheir effect
on the learned representations. We show that our proposed architectureallows
the emergence of aligned representations. The subjectivity introduced
bypresenting agents with distinct perspectives of the environment state
contributes tolearning abstract representations that outperform those learned
by both a single au-toencoder and a population of autoencoders, presented with
identical perspectives.Altogether, our results demonstrate how communication
from subjective perspec-tives can lead to the acquisition of more abstract
representations in multi-agentsystems, opening promising perspectives for
future research at the intersection ofrepresentation learning and emergent
communication.
- Abstract（参考訳）: 効果的な潜在表現は、外部世界の抽象的な特徴を捉える必要がある。
エージェント群が共有環境状態の帰納的解釈を和らげる必要性は、この特性に影響を与える必須の要因であると仮定する。
この仮説を検証するために,人口の個人的エージェントが同一の下位状態の異なる観察を受信し,互いに通信する潜在表現を学習するアーキテクチャを提案する。
創発的なコミュニケーションと表現学習の基本的な関係は、認知ツールとしての言語の役割と、ほとんどのマルチエージェントシステムの固有の特性である主観性によって与えられる機会である。
本稿では,関数を定義し,効果的なコミュニケーションの異なる側面を捉え,学習した表現に対する効果を調べる,オートエンコーダの集団からなる最小アーキテクチャを提案する。
提案したアーキテクチャは整列表現の出現を許容することを示す。
The subjectivity introduced bypresenting agents with distinct perspectives of the environment state contributes tolearning abstract representations that outperform those learned by both a single au-toencoder and a population of autoencoders, presented with identical perspectives.Altogether, our results demonstrate how communication from subjective perspec-tives can lead to the acquisition of more abstract representations in multi-agentsystems, opening promising perspectives for future research at the intersection ofrepresentation learning and emergent communication.
関連論文リスト
- Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。
本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
論文 参考訳（メタデータ） (2024-10-15T07:35:51Z) - Neural Clustering based Visual Representation Learning [61.72646814537163]
クラスタリングは、機械学習とデータ分析における最も古典的なアプローチの1つである。
本稿では,特徴抽出をデータから代表者を選択するプロセスとみなすクラスタリング(FEC)による特徴抽出を提案する。
FECは、個々のクラスタにピクセルをグループ化して抽象的な代表を配置し、現在の代表とピクセルの深い特徴を更新する。
論文 参考訳（メタデータ） (2024-03-26T06:04:50Z) - Learning Geometric Representations of Objects via Interaction [25.383613570119266]
エージェントとエージェントが相互作用する外部オブジェクトを含むシーンの観察から表現を学習する問題に対処する。
本稿では,任意の自然の非構造化観測からエージェントとオブジェクトの物理的空間における位置を抽出する表現学習フレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-11T09:45:22Z) - An Empirical Investigation of Representation Learning for Imitation [76.48784376425911]
視覚、強化学習、NLPにおける最近の研究は、補助的な表現学習の目的が、高価なタスク固有の大量のデータの必要性を減らすことを示している。
本稿では,表現学習アルゴリズムを構築するためのモジュラーフレームワークを提案する。
論文 参考訳（メタデータ） (2022-05-16T11:23:42Z) - Investigating the Properties of Neural Network Representations in
Reinforcement Learning [35.02223992335008]
本稿では,強化学習における伝達を支援する表現の特性を実証的に検討する。
我々は、画素ベースのナビゲーション環境において、補助的損失が異なる深層Q学習エージェントについて検討する。
そこで我々は,ある表現が転送に適する理由を,体系的なアプローチでよりよく理解する手法を開発した。
論文 参考訳（メタデータ） (2022-03-30T00:14:26Z) - Visual Probing: Cognitive Framework for Explaining Self-Supervised Image
Representations [12.485001250777248]
近年,画像表現学習のための自己教師付き手法が,完全教師付き競技者に対して,同等以上の結果を提供するようになった。
そこで本研究では,自己教師型モデルを説明するための新しい視覚探索フレームワークを提案する。
自己指導型表現の文脈において,これらのアナログの有効性と適用性を示す。
論文 参考訳（メタデータ） (2021-06-21T12:40:31Z) - Cross-Modal Discrete Representation Learning [73.68393416984618]
本稿では,様々なモダリティにまたがるより細かい粒度を捉える表現を学習する自己教師型学習フレームワークを提案する。
我々のフレームワークは、異なるモダリティ間で共有されるベクトル量子化によって生成される離散化された埋め込み空間に依存している。
論文 参考訳（メタデータ） (2021-06-10T00:23:33Z) - Exploring Visual Engagement Signals for Representation Learning [56.962033268934015]
VisEは、クラスタ化されたエンゲージメント信号から派生した擬似ラベルにソーシャルイメージをマップする弱い教師付き学習アプローチである。
この方法でトレーニングされたモデルが、感情認識や政治的バイアス検出といった主観的なコンピュータビジョンタスクにどのように役立つかを研究する。
論文 参考訳（メタデータ） (2021-04-15T20:50:40Z) - Self-supervised Learning from a Multi-view Perspective [121.63655399591681]
自己教師型表現はタスク関連情報を抽出し,タスク関連情報を破棄することができることを示す。
我々の理論的枠組みは、自己教師型学習目標設計のより広い空間への道を開くものである。
論文 参考訳（メタデータ） (2020-06-10T00:21:35Z) - Towards Graph Representation Learning in Emergent Communication [37.8523331078468]
我々は,マルチエージェントシステムにおける言語進化と協調を支援するために,グラフ畳み込みネットワークを利用する。
画像ベースの参照ゲームに動機づけられた,複雑度の異なるグラフ参照ゲームを提案する。
出現した通信プロトコルは堅牢であり、エージェントはゲームの変動の真の要因を明らかにし、トレーニング中に遭遇したサンプルを超えて一般化することを学ぶ。
論文 参考訳（メタデータ） (2020-01-24T15:55:59Z)
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。