Fugu-MT 論文翻訳(概要): Conditional Inference and Activation of Knowledge Entities in ACT-R

論文の概要: Conditional Inference and Activation of Knowledge Entities in ACT-R

arxiv url: http://arxiv.org/abs/2110.15214v1
Date: Thu, 28 Oct 2021 15:33:19 GMT
ステータス: 処理完了
システム内更新日: 2021-10-29 15:28:35.828527
Title: Conditional Inference and Activation of Knowledge Entities in ACT-R
Title（参考訳）: ACT-Rにおける知識エンティティの条件推論と活性化
Authors: Marco Wilhelm, Diana Howey, Gabriele Kern-Isberner, Kai Sauerwald, Christoph Beierle
Abstract要約: アクティベーションに基づく条件推論は、人間の推論を形式化する認知アーキテクチャであるACT-Rに条件推論を適用する。このアプローチは、人間の推論のいくつかの側面を、集中、忘れ、記憶といったエキスパートシステムに統合します。
参考スコア（独自算出の注目度）: 2.2049183478692584
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Activation-based conditional inference applies conditional reasoning to ACT-R, a cognitive architecture developed to formalize human reasoning. The idea of activation-based conditional inference is to determine a reasonable subset of a conditional belief base in order to draw inductive inferences in time. Central to activation-based conditional inference is the activation function which assigns to the conditionals in the belief base a degree of activation mainly based on the conditional's relevance for the current query and its usage history. Therewith, our approach integrates several aspects of human reasoning into expert systems such as focusing, forgetting, and remembering.
Abstract（参考訳）: アクティベーションに基づく条件推論は、人間の推論を形式化する認知アーキテクチャであるACT-Rに条件推論を適用する。アクティベーションに基づく条件推論の考え方は、時間内に帰納的推論を引き出すために条件的信念ベースの合理的な部分集合を決定することである。アクティベーションベースの条件推論の中心は、現在のクエリとその使用履歴に対する条件付けの関連性に基づいて、信念ベース内の条件付けにアクティベーションの程度を割り当てるアクティベーション関数である。それゆえ、私たちのアプローチは、人間推論のいくつかの側面を、集中、忘れ、記憶といった専門家システムに統合しています。

関連論文リスト

Demonstrating the Continual Learning Capabilities and Practical Application of Discrete-Time Active Inference [0.0]
アクティブ推論は、エージェントが環境とどのように相互作用するかを理解するための数学的フレームワークである。本稿では,個別の時間環境で動作するエージェントのための連続学習フレームワークを提案する。我々は、エージェントがモデルを再学習し、効率的に洗練する能力を示し、金融や医療といった複雑な分野に適合する。
論文参考訳（メタデータ） (2024-09-30T21:18:46Z)
Igniting Language Intelligence: The Hitchhiker's Guide From Chain-of-Thought Reasoning to Language Agents [80.5213198675411]
大規模言語モデル(LLM)は言語知能の分野を劇的に拡張した。 LLMは興味をそそるチェーン・オブ・シークレット(CoT)推論技術を活用し、答えを導き出す途中の中間ステップを定式化しなければならない。最近の研究は、自律言語エージェントの開発を促進するためにCoT推論手法を拡張している。
論文参考訳（メタデータ） (2023-11-20T14:30:55Z)
A Semantic Approach to Decidability in Epistemic Planning (Extended Version) [72.77805489645604]
我々は決定可能性を達成するために新しい意味論的アプローチを用いる。具体的には、知識の論理S5$_n$と(知識)可換性と呼ばれる相互作用公理を拡大する。我々は,本フレームワークが,独立した知識である共通知識の有限的非固定点的特徴を認めていることを証明した。
論文参考訳（メタデータ） (2023-07-28T11:26:26Z)
Causal Inference Principles for Reasoning about Commonsense Causality [93.19149325083968]
コモンセンス因果推論(Commonsense causality reasoning)は、平均的な人によって妥当と見なされる自然言語記述における妥当な原因と影響を特定することを目的としている。既存の作業は通常、深い言語モデルに全面的に依存しており、共起を混同する可能性がある。古典的因果原理に触発され,我々はCCRの中心的問題を明確にし,観察研究と自然言語における人間の対象間の類似性を引き出す。本稿では,時間信号をインシデント・インシデント・インシデント・インシデント・インシデントとして活用する新しいフレームワークであるROCKをReason O(A)bout Commonsense K(C)ausalityに提案する。
論文参考訳（メタデータ） (2022-01-31T06:12:39Z)
Active Inference in Robotics and Artificial Agents: Survey and Challenges [51.29077770446286]
我々は、状態推定、制御、計画、学習のためのアクティブ推論の最先端理論と実装についてレビューする。本稿では、適応性、一般化性、堅牢性の観点から、その可能性を示す関連する実験を紹介する。
論文参考訳（メタデータ） (2021-12-03T12:10:26Z)
Reasoning about actions with EL ontologies with temporal answer sets [0.0]
我々は、非決定論的行動と因果規則が影響に対処できる時間的行動理論を考察する。 ELbotナレッジベースで拡張されたアクション理論に対して,アクション整合性を保証する条件を提供する。
論文参考訳（メタデータ） (2021-07-18T09:43:53Z)
Prior Preference Learning from Experts:Designing a Reward with Active Inference [1.1602089225841632]
能動推論は強化学習(RL)アルゴリズムを用いて解釈できると主張している。先行選好の概念と理論的連関に動機づけられ,専門家から先行選好を学ぶための単純だが新しい手法を提案する。
論文参考訳（メタデータ） (2021-01-22T04:03:45Z)
Measuring Association Between Labels and Free-Text Rationales [60.58672852655487]
解釈可能なNLPでは、説明された例に対するモデルの意思決定プロセスを反映した忠実な理性が必要です。情報抽出型タスクに対する忠実な抽出合理化のための既存のモデルであるパイプラインは、自由テキスト合理化を必要とするタスクに確実に拡張されないことを示す。我々は、信頼が確立されていない自由文合理化のための、広く使われている高性能モデルのクラスである、共同予測と合理化のモデルに目を向ける。
論文参考訳（メタデータ） (2020-10-24T03:40:56Z)
Learning "What-if" Explanations for Sequential Decision-Making [92.8311073739295]
実世界の意思決定の解釈可能なパラメータ化を実証行動に基づいて構築することが不可欠である。そこで我々は,「何」の結果に対する嗜好の観点から,報酬関数をモデル化し,専門家による意思決定の学習的説明を提案する。本研究は,行動の正確かつ解釈可能な記述を回復する上で,実効的逆強化学習手法であるバッチの有効性を強調した。
論文参考訳（メタデータ） (2020-07-02T14:24:17Z)
Cognitive Argumentation and the Suppression Task [1.027974860479791]
本稿では,認知論(Cognitive Argumentation)と呼ばれる新たなフレームワークにおいて,人間の推論をモデル化する上での課題について述べる。このフレームワークは認知科学における経験的および理論的研究に基づく認知原理に依存しており、AIから計算議論の一般的かつ抽象的な枠組みを適応させる。我々は、認知論は、人間の条件推論に一貫性があり、認知的に適切なモデルを提供すると論じている。
論文参考訳（メタデータ） (2020-02-24T10:30:39Z)

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。