論文の概要: The Tensor Brain: A Unified Theory of Perception, Memory and Semantic
Decoding
- arxiv url: http://arxiv.org/abs/2109.13392v1
- Date: Mon, 27 Sep 2021 23:32:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-30 03:07:23.572776
- Title: The Tensor Brain: A Unified Theory of Perception, Memory and Semantic
Decoding
- Title（参考訳）: テンソル脳:知覚、記憶、意味的復号の統一理論
- Authors: Volker Tresp, Sahand Sharifzadeh, Hang Li, Dario Konopatzki, Yunpu Ma
- Abstract要約: 本稿では,認識と記憶の統一的計算理論を提案する。
我々のモデルでは、知覚、エピソード記憶、セマンティック記憶は異なる機能モードと操作モードで実現される。
- 参考スコア（独自算出の注目度）: 16.37225919719441
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a unified computational theory of perception and memory. In our
model, perception, episodic memory, and semantic memory are realized by
different functional and operational modes of the oscillating interactions
between an index layer and a representation layer in a bilayer tensor network
(BTN). The memoryless semantic {representation layer} broadcasts information.
In cognitive neuroscience, it would be the "mental canvas", or the "global
workspace" and reflects the cognitive brain state. The symbolic {index layer}
represents concepts and past episodes, whose semantic embeddings are
implemented in the connection weights between both layers. In addition, we
propose a {working memory layer} as a processing center and information buffer.
Episodic and semantic memory realize memory-based reasoning, i.e., the recall
of relevant past information to enrich perception, and are personalized to an
agent's current state, as well as to an agent's unique memories. Episodic
memory stores and retrieves past observations and provides provenance and
context. Recent episodic memory enriches perception by the retrieval of
perceptual experiences, which provide the agent with a sense about the here and
now: to understand its own state, and the world's semantic state in general,
the agent needs to know what happened recently, in recent scenes, and on
recently perceived entities. Remote episodic memory retrieves relevant past
experiences, contributes to our conscious self, and, together with semantic
memory, to a large degree defines who we are as individuals.
- Abstract（参考訳）: 我々は知覚と記憶の統一計算理論を提案する。
本モデルでは,2層テンソルネットワーク(BTN)において,インデックス層と表現層との振動相互作用の異なる機能的および操作的モードにより,知覚,エピソード記憶,セマンティックメモリを実現する。
memoryless semantic {representation layer} は情報をブロードキャストする。
認知神経科学において、それは「メンタルキャンバス」または「グローバルワークスペース」であり、認知脳状態を反映している。
シンボリックな {index layer" は概念と過去のエピソードを表し、セマンティックな埋め込みは両方のレイヤ間の接続重みで実装される。
さらに,処理センタと情報バッファとして<ワーキングメモリ層>を提案する。
エピソード記憶とセマンティック記憶は、記憶に基づく推論、すなわち、関連する過去の情報を記憶して知覚を豊かにするものであり、エージェントの現在の状態やエージェントのユニークな記憶にパーソナライズされる。
エピソード記憶は過去の観測を記憶し、記憶し、証明と文脈を提供する。
最近のエピソード記憶は知覚的体験の検索によって知覚を豊かにし、エージェントは、自分自身の状態と世界の意味的状態を理解するために、最近起きたこと、最近の場面、そして最近認識された実体について知る必要がある。
リモートエピソディックメモリは、関連する過去の経験を検索し、意識的な自己に寄与し、セマンティックメモリと共に、私たちを個人として定義します。
関連論文リスト
- How the (Tensor-) Brain uses Embeddings and Embodiment to Encode Senses and Decode Symbols [26.516135696182392]
近年の発展を含むテンソル脳モデルの概要について概説する。
表象層は、意識研究からの象徴的なグローバルワークスペースのモデルである。
インデックス層には、概念、時間インスタンス、述語のためのシンボルが含まれている。
論文 参考訳（メタデータ） (2024-09-19T15:45:38Z) - Hierarchical Working Memory and a New Magic Number [1.024113475677323]
本稿では,作業記憶のシナプス理論の枠組み内でチャンキングを行うための繰り返しニューラルネットワークモデルを提案する。
我々の研究は、認知に不可欠な脳内の情報のオンザフライ組織を理解するための、概念的で分析的な枠組みを提供する。
論文 参考訳（メタデータ） (2024-08-14T16:03:47Z) - What do larger image classifiers memorise? [64.01325988398838]
トレーニング例は, モデルサイズにまたがって, 予想外の多彩な記憶軌跡を示す。
有効で一般的なモデル圧縮手法である知識蒸留は,記憶を阻害する傾向があり,一般化も改善する。
論文 参考訳（メタデータ） (2023-10-09T01:52:07Z) - Semantic HELM: A Human-Readable Memory for Reinforcement Learning [9.746397419479445]
人間の言語における過去の出来事を表現する新しい記憶機構を提案する。
私たちは、部分的に観測可能な環境のセットでメモリメカニズムをトレーニングし、それがメモリコンポーネントを必要とするタスクに優れていることを見つけます。
メモリメカニズムは人間が読めるので、エージェントのメモリを覗き見して、重要な情報が保存されているかどうかを確認することができます。
論文 参考訳（メタデータ） (2023-06-15T17:47:31Z) - 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) - A Machine with Short-Term, Episodic, and Semantic Memory Systems [9.42475956340287]
明示的な人間の記憶システムの認知科学理論に触発されて、我々は短期的、エピソード的、セマンティックな記憶システムを持つエージェントをモデル化した。
実験により,人間のような記憶システムを持つエージェントは,このメモリ構造を環境に残さずにエージェントよりも優れた性能を発揮できることが示唆された。
論文 参考訳（メタデータ） (2022-12-05T08:34:23Z) - Pin the Memory: Learning to Generalize Semantic Segmentation [68.367763672095]
本稿ではメタラーニングフレームワークに基づくセマンティックセグメンテーションのための新しいメモリ誘導ドメイン一般化手法を提案する。
本手法は,セマンティッククラスの概念的知識を,ドメインを超えて一定であるカテゴリ記憶に抽象化する。
論文 参考訳（メタデータ） (2022-04-07T17:34:01Z) - Kanerva++: extending The Kanerva Machine with differentiable, locally
block allocated latent memory [75.65949969000596]
エピソディックメモリとセマンティックメモリは、人間のメモリモデルの重要なコンポーネントです。
我々は、エピソードメモリとセマンティックメモリのギャップを埋める新しい原理ベイズメモリ割り当てスキームを開発しました。
この割り当て方式がメモリ条件画像生成の性能を向上させることを実証する。
論文 参考訳（メタデータ） (2021-02-20T18:40:40Z) - Towards a Neural Model for Serial Order in Frontal Cortex: a Brain
Theory from Memory Development to Higher-Level Cognition [53.816853325427424]
そこで本研究では,未熟な前頭前野 (PFC) が側頭葉信号の階層的パターンを検出する主要な機能を利用していることを提案する。
我々の仮説では、PFCは順序パターンの形で時間的配列の階層構造を検出し、それらを脳の異なる部分で階層的に情報をインデックスするために利用する。
これにより、抽象的な知識を操作し、時間的に順序付けられた情報を計画するための言語対応の脳にツールを提供する。
論文 参考訳（メタデータ） (2020-05-22T14:29:51Z) - Self-Attentive Associative Memory [69.40038844695917]
我々は、個々の体験(記憶)とその発生する関係(関連記憶)の記憶を分離することを提案する。
機械学習タスクの多様性において,提案した2メモリモデルと競合する結果が得られる。
論文 参考訳（メタデータ） (2020-02-10T03:27:48Z) - The Tensor Brain: Semantic Decoding for Perception and Memory [25.49830575143093]
我々は知識グラフとテンソルの数学的モデルを用いて知覚と記憶を分析する。
知覚と記憶の生物学的実現は情報処理に制約を課すと主張する。
特に,明示的な認識と宣言的記憶は意味的デコーダを必要とすることを示唆する。
論文 参考訳（メタデータ） (2020-01-29T07:48:01Z)
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。