Fugu-MT 論文翻訳(概要): Dynamic categories, dynamic operads: From deep learning to prediction markets

論文の概要: Dynamic categories, dynamic operads: From deep learning to prediction markets

arxiv url: http://arxiv.org/abs/2205.03906v1
Date: Sun, 8 May 2022 16:16:44 GMT
ステータス: 処理完了
システム内更新日: 2022-05-11 04:15:44.648561
Title: Dynamic categories, dynamic operads: From deep learning to prediction markets
Title（参考訳）: 動的カテゴリー, 動的オペラド:深層学習から予測市場へ
Authors: Brandon Shapiro and David I. Spivak
Abstract要約: 動的カテゴリー構造が動機付けの哲学的思考をいかにインスタンス化するかを示す。動的カテゴリー構造の2つの例を挙げる: 動的オペランドとしての市場予測と動的モノイダルカテゴリーとしての深層学習である。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Natural organized systems adapt to internal and external pressures and this seems to happens all the way down. Wanting to think clearly about this idea motivates our paper, and so the idea is elaborated extensively in the introduction, which should be broadly accessible to a philosophically-interested audience. In the remaining sections, we turn to more compressed category theory. We define the monoidal double category $\mathbf{Org}$ of dynamic organizations, we provide definitions of $\mathbf{Org}$-enriched, or "dynamic", categorical structures -- e.g. dynamic categories, operads, and monoidal categories -- and we show how they instantiate the motivating philosophical ideas. We give two examples of dynamic categorical structures: prediction markets as a dynamic operad and deep learning as a dynamic monoidal category.
Abstract（参考訳）: 自然な組織化されたシステムは、内部および外部の圧力に適応する。このアイデアについて明確に考えることは、私たちの論文を動機付けます。だから、このアイデアは、哲学的に興味のある聴衆に広くアクセス可能な、導入において広範囲に詳細化されています。残りのセクションでは、より圧縮された圏論に目を向ける。モノイド二重カテゴリ $\mathbf{org}$ を動的組織で定義し、"\mathbf{org}$-enriched" または "dynamic" のカテゴリ構造(例えば、動的カテゴリ、オペレーティング、モノイドカテゴリ)を定義し、哲学的アイデアをインスタンス化する方法について示します。動的カテゴリー構造の2つの例を挙げる: 動的オペランドとしての市場予測と動的モノイダルカテゴリーとしての深層学習である。

関連論文リスト

Learning System Dynamics without Forgetting [60.08612207170659]
未知の力学を持つ系の軌道予測は、物理学や生物学を含む様々な研究分野において重要である。本稿では,モードスイッチンググラフODE (MS-GODE) の新たなフレームワークを提案する。生体力学の異なる多様な系を特徴とする生体力学システムの新しいベンチマークを構築した。
論文参考訳（メタデータ） (2024-06-30T14:55:18Z)
Open-Vocabulary Temporal Action Localization using Multimodal Guidance [67.09635853019005]
OVTALでは、すべてのカテゴリのトレーニングデータを明示的にキュレートすることなく、任意のアクションカテゴリをビデオで認識することができる。この柔軟性は、トレーニング中に見られるアクションカテゴリだけでなく、推論で指定された新しいカテゴリも認識しなければならないため、大きな課題を引き起こす。我々は,ActionFormerを拡張した新しいオープン語彙フレームワークであるOVFormerを紹介した。
論文参考訳（メタデータ） (2024-06-21T18:00:05Z)
Grokking of Hierarchical Structure in Vanilla Transformers [72.45375959893218]
トランスフォーマー言語モデルでは,極端に長い訓練期間を経て階層的に一般化できることが示される。中間深度モデルは、非常に深い変圧器と非常に浅い変圧器の両方よりも良く一般化される。
論文参考訳（メタデータ） (2023-05-30T04:34:13Z)
Dynamical Equations With Bottom-up Self-Organizing Properties Learn Accurate Dynamical Hierarchies Without Any Loss Function [15.122944754472435]
本稿では,正負のフィードバックループを持つ非線形ダイナミクスの領域内でパターンが定義される学習システムを提案する。実験により、このようなシステムは時間的から空間的相関をマッピングすることができ、階層構造をシーケンシャルデータから学習することができることが明らかになった。
論文参考訳（メタデータ） (2023-02-04T10:00:14Z)
HyperMiner: Topic Taxonomy Mining with Hyperbolic Embedding [54.52651110749165]
本稿では,単語や話題を表現するために,メタボリック埋め込みを導入した新しいフレームワークを提案する。双曲空間のツリー様性により、下層のセマンティック階層はより解釈可能なトピックをマイニングするためによりうまく利用することができる。
論文参考訳（メタデータ） (2022-10-16T02:54:17Z)
Compositional Active Inference II: Polynomial Dynamics. Approximate Inference Doctrines [0.0]
我々は、関手の言語を用いて、動的推論に必要な理論を開発する。次に、外装化された'統計ゲームについて記述し、2つの近似推論ドクトリンを構築するためにそれらを使用する。前者はガウスモデルの後部を最適化するシステム、後者は予測を決定するパラメータ(または重み)を最適化するシステムを生成する。
論文参考訳（メタデータ） (2022-08-25T15:58:33Z)
From Organisational Structure to Organisational Behaviour Formalisation [5.916566419205907]
本稿では,この2つの視点を一つの枠組みで組み合わせる方法について述べる。組織構造内の異なるアグリゲーションレベルやその他の要素に対して、動的プロパティのセットを指定する方法が示されています。
論文参考訳（メタデータ） (2021-09-29T12:32:10Z)
Learning to Abstract and Predict Human Actions [60.85905430007731]
ビデオにおける人間の活動の階層構造をモデル化し,行動予測におけるそのような構造の効果を実証する。イベントの部分的階層を観察し、その構造を複数の抽象化レベルで将来の予測にロールアウトすることで、人間の活動の構造を学習できる階層型ニューラルネットワークであるHierarchical-Refresher-Anticipatorを提案する。
論文参考訳（メタデータ） (2020-08-20T23:57:58Z)
Hierarchical Topic Mining via Joint Spherical Tree and Text Embedding [37.7780399311715]
階層的トピックマイニング(Hierarchical Topic Mining)は、ユーザーが関心のあるトピックを理解するのを助けるために、テキストコーパスから各カテゴリの代表語を抽出することを目的としている。私たちのモデルは、JoSHと呼ばれ、高い効率と弱教師付き階層的テキスト分類タスクの恩恵を受ける、高品質な階層的トピックセットをマイニングしています。
論文参考訳（メタデータ） (2020-07-18T23:30:47Z)
Deep Hierarchical Classification for Category Prediction in E-commerce System [16.6932395109085]
電子商取引システムでは、カテゴリ予測は与えられたテキストのカテゴリを自動的に予測する。ニューラルネットワークにマルチスケール階層情報を組み込んだDeep Hierarchical Classificationフレームワークを提案する。また、階層的予測損失を罰する新たな複合損失関数も定義する。
論文参考訳（メタデータ） (2020-05-14T02:29:14Z)
TaxoExpan: Self-supervised Taxonomy Expansion with Position-Enhanced Graph Neural Network [62.12557274257303]
分類学は機械解釈可能な意味論から成り、多くのウェブアプリケーションに貴重な知識を提供する。そこで我々は,既存の分類学から,クエリの集合を自動生成するTaxoExpanという,新しい自己教師型フレームワークを提案する。本研究では,(1)既存の分類学におけるアンカー概念の局所構造を符号化する位置強調グラフニューラルネットワーク,(2)学習モデルが自己超越データにおけるラベルノイズに敏感になるようなノイズローバスト学習の2つの手法を開発する。
論文参考訳（メタデータ） (2020-01-26T21:30:21Z)

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。