論文の概要: The Conceptual VAE
- arxiv url: http://arxiv.org/abs/2203.11216v1
- Date: Mon, 21 Mar 2022 17:27:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-24 13:18:20.781558
- Title: The Conceptual VAE
- Title（参考訳）: VAEの概念
- Authors: Razin A. Shaikh, Sara Sabrina Zemljic, Sean Tull and Stephen Clark
- Abstract要約: 本稿では,変分オートエンコーダの枠組みに基づく新しい概念モデルを提案する。
このモデルは、概念のβ-VAEモデルにインスパイアされ、密接に関連しています。
モデルが概念分類器としてどのように使用できるか、そしてインスタンス毎に少ないラベルから学習するためにどのように適応できるかを示す。
- 参考スコア（独自算出の注目度）: 7.15767183672057
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this report we present a new model of concepts, based on the framework of
variational autoencoders, which is designed to have attractive properties such
as factored conceptual domains, and at the same time be learnable from data.
The model is inspired by, and closely related to, the Beta-VAE model of
concepts, but is designed to be more closely connected with language, so that
the names of concepts form part of the graphical model. We provide evidence
that our model -- which we call the Conceptual VAE -- is able to learn
interpretable conceptual representations from simple images of coloured shapes
together with the corresponding concept labels. We also show how the model can
be used as a concept classifier, and how it can be adapted to learn from fewer
labels per instance. Finally, we formally relate our model to Gardenfors'
theory of conceptual spaces, showing how the Gaussians we use to represent
concepts can be formalised in terms of "fuzzy concepts" in such a space.
- Abstract（参考訳）: 本稿では,因子化された概念領域のような魅力的な特性を持つように設計された変分オートエンコーダの枠組みに基づく新しい概念モデルを提案する。
このモデルは、概念のβ-VAEモデルにインスパイアされ、密接に関連するが、概念の名称がグラフィカルモデルの一部を形成するように、言語とより密接に結びついているように設計されている。
概念的VAE(Conceptual VAE)と呼ばれるこのモデルでは、対応する概念ラベルとともに色付き形状の単純な画像から解釈可能な概念表現を学習できることを示す。
また、モデルが概念分類器としてどのように使用できるか、そしてインスタンス毎に少ないラベルから学習するためにどのように適応できるかを示す。
最後に、我々のモデルとGardenforsの概念空間の理論を正式に関連付け、そのような空間における「ファジィな概念」という観点から、概念を表現するためにガウスがどのように形式化されるかを示す。
関連論文リスト
- Knowledge graphs for empirical concept retrieval [1.06378109904813]
概念に基づく説明可能なAIは、あるユーザの前提における複雑なモデルの理解を改善するツールとして期待されている。
本稿では,テキスト領域と画像領域の両方でユーザ主導のデータ収集を行うワークフローを提案する。
我々は,概念アクティベーションベクトル(CAV)と概念アクティベーション領域(CAR)の2つの概念ベース説明可能性手法を用いて,検索した概念データセットをテストする。
論文 参考訳（メタデータ） (2024-04-10T13:47:22Z) - An Axiomatic Approach to Model-Agnostic Concept Explanations [67.84000759813435]
本稿では、線形性、再帰性、類似性という3つの自然な公理を満たす概念的説明へのアプローチを提案する。
次に、従来の概念的説明手法とのつながりを確立し、それらの意味の異なる意味についての洞察を提供する。
論文 参考訳（メタデータ） (2024-01-12T20:53:35Z) - From Conceptual Spaces to Quantum Concepts: Formalising and Learning
Structured Conceptual Models [3.430966345969155]
本稿では,概念空間の圏論的一般化を用いた構造概念のための新しいモデリングフレームワークを提案する。
1つの古典と1つの量子の2つの全く異なるインスタンス化を用いて、データから概念を自動的に学習する方法を示す。
論文 参考訳（メタデータ） (2023-11-06T15:08:22Z) - Concept Gradient: Concept-based Interpretation Without Linear Assumption [77.96338722483226]
概念活性化ベクトル(Concept Activation Vector, CAV)は、与えられたモデルと概念の潜在表現の間の線形関係を学習することに依存する。
我々は、線形概念関数を超えて概念に基づく解釈を拡張する概念グラディエント(CG)を提案した。
我々は、CGがおもちゃの例と実世界のデータセットの両方でCAVより優れていることを実証した。
論文 参考訳（メタデータ） (2022-08-31T17:06:46Z) - Analyzing Encoded Concepts in Transformer Language Models [21.76062029833023]
ConceptXは、事前訓練された言語モデル内で学習された表現において、潜伏概念がどのように符号化されるかを分析する。
クラスタリングを使用して、符号化された概念を発見し、人間の定義した概念の大規模なセットと整合してそれらを説明する。
論文 参考訳（メタデータ） (2022-06-27T13:32:10Z) - Automatic Concept Extraction for Concept Bottleneck-based Video
Classification [58.11884357803544]
本稿では,概念に基づくビデオ分類に必要かつ十分な概念抽象セットを厳格に構成する概念発見抽出モジュールを提案する。
提案手法は,自然言語における概念概念の抽象概念を応用し,複雑なタスクに概念ボトルネック法を一般化する。
論文 参考訳（メタデータ） (2022-06-21T06:22:35Z) - ConceptDistil: Model-Agnostic Distillation of Concept Explanations [4.462334751640166]
概念に基づく説明は、非技術的人間のためのモデルの解釈可能性ギャップを埋めることを目的としている。
知識蒸留を用いたブラックボックス分類器に概念記述をもたらす方法であるConceptDistilを提案する。
実世界のユースケースでConceptDistilを検証することで、両方のタスクを最適化できることを示す。
論文 参考訳（メタデータ） (2022-05-07T08:58:54Z) - FALCON: Fast Visual Concept Learning by Integrating Images, Linguistic
descriptions, and Conceptual Relations [99.54048050189971]
自然に発生する複数のデータストリームによってガイドされる新しい視覚概念を素早く学習するフレームワークを提案する。
学習された概念は、未知の画像について推論することで質問に答えるなど、下流のアプリケーションをサポートする。
合成と実世界の両方のデータセットにおけるモデルの有効性を実証する。
論文 参考訳（メタデータ） (2022-03-30T19:45:00Z) - Human-Centered Concept Explanations for Neural Networks [47.71169918421306]
概念活性化ベクトル(Concept Activation Vectors, CAV)のクラスを含む概念的説明を紹介する。
次に、自動的に概念を抽出するアプローチと、それらの注意事項に対処するアプローチについて議論する。
最後に、このような概念に基づく説明が、合成設定や実世界の応用において有用であることを示すケーススタディについて論じる。
論文 参考訳（メタデータ） (2022-02-25T01:27:31Z) - Formalising Concepts as Grounded Abstractions [68.24080871981869]
このレポートは、表現学習が生データから概念を誘導する方法を示しています。
このレポートの主な技術的目標は、表現学習のテクニックが概念空間の格子理論的定式化とどのように結婚できるかを示すことである。
論文 参考訳（メタデータ） (2021-01-13T15:22:01Z)
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。