論文の概要: Symmetry as a Representation of Intuitive Geometry?

• arxiv url: http://arxiv.org/abs/2206.02019v1
• Date: Sat, 4 Jun 2022 16:15:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-07 16:27:26.863177
• Title: Symmetry as a Representation of Intuitive Geometry?
• Title（参考訳）: 直観幾何学の表現としての対称性
• Authors: Wangcheng Xu, Snejana Shegheva and Ashok Goel
• Abstract要約: 幾何学的直観における対称性の役割について検討し,コア幾何試験の2-交互強制選択変動に対する認知モデルを構築した。 本モデルは,2-AFC試験において,人間の平均値に匹敵する精度を達成し,直観的幾何学の重要な部分を捉えているように見える。
• 参考スコア（独自算出の注目度）: 1.160208922584163
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recognition of geometrical patterns seems to be an important aspect of human intelligence. Geometric pattern recognition is used in many intelligence tests, including Dehaene's odd-one-out test of Core Geometry (CG)) based on intuitive geometrical concepts (Dehaene et al., 2006). Earlier work has developed a symmetry-based cognitive model of Dehaene's test and demonstrated performance comparable to that of humans. In this work, we further investigate the role of symmetry in geometrical intuition and build a cognitive model for the 2-Alternative Forced Choice (2-AFC) variation of the CG test (Marupudi & Varma 2021). In contrast to Dehaene's test, 2-AFC leaves almost no space for cognitive models based on generalization over multiple examples. Our symmetry-based model achieves an accuracy comparable to the human average on the 2-AFC test and appears to capture an essential part of intuitive geometry.
• Abstract（参考訳）: 幾何学的パターンの認識は人間の知性の重要な側面であると考えられる。 幾何学的パターン認識は、直感的な幾何学的概念に基づくDehaeneの奇数ワンアウトコア幾何(CG)テスト(Dehaene et al., 2006)など、多くの知能テストで使用されている。 初期の研究は、デヘネのテストの対称性に基づく認知モデルを開発し、人間に匹敵する性能を示した。 本研究では,幾何学的直観における対称性の役割をさらに検討し,CGテストの2-Alternative Forced Choice (2-AFC) 変動に対する認知モデルを構築した(Marupudi & Varma 2021)。 デヘインの試験とは対照的に、2-afcは複数の例の一般化に基づく認知モデルの空間をほとんど残していない。 我々の対称性に基づくモデルは、2-afcテストで人間平均に匹敵する精度を達成し、直感的な幾何学の重要な部分を捉えているように見える。

関連論文リスト

• A Survey of Geometric Graph Neural Networks: Data Structures, Models and Applications [67.33002207179923]
  本稿では、幾何学的GNNに関するデータ構造、モデル、および応用について調査する。 幾何学的メッセージパッシングの観点から既存のモデルの統一的なビューを提供する。 また、方法論開発と実験評価の後の研究を促進するために、アプリケーションと関連するデータセットを要約する。
  論文  参考訳（メタデータ） (2024-03-01T12:13:04Z)
• Adaptive Surface Normal Constraint for Geometric Estimation from Monocular Images [56.86175251327466]
  本稿では,幾何学的文脈を取り入れつつ,画像から深度や表面正規度などの測地を学習するための新しい手法を提案する。 提案手法は,入力画像に存在する幾何学的変動を符号化した幾何学的文脈を抽出し,幾何的制約と深度推定を相関付ける。 本手法は,画像から高品質な3次元形状を生成可能な密着型フレームワーク内での深度と表面の正規分布推定を統一する。
  論文  参考訳（メタデータ） (2024-02-08T17:57:59Z)
• Partial Symmetry Detection for 3D Geometry using Contrastive Learning with Geodesic Point Cloud Patches [10.48309709793733]
  我々は,測地線点雲パッチの回転,反射,翻訳,スケール不変な局所形状の特徴を学習することを提案する。 この曖昧な問題に対して,本手法は複数の有効な解を抽出可能であることを示す。 検出された対称性を領域成長アルゴリズムと組み合わせて下流タスクを実証する。
  論文  参考訳（メタデータ） (2023-12-13T15:48:50Z)
• Machine learning detects terminal singularities [49.1574468325115]
  Q-ファノ多様体は、Q-階数終端特異点を持つ正の曲線形状である。 その重要性にもかかわらず、Q-Fanoの分類は未だ不明である。 本稿では,この分類を理解するために機械学習を用いることを実証する。
  論文  参考訳（メタデータ） (2023-10-31T13:51:24Z)
• ${\rm E}(3)$-Equivariant Actor-Critic Methods for Cooperative Multi-Agent Reinforcement Learning [7.712824077083934]
  我々は,ある協調型マルチエージェント強化学習問題に固有のユークリッド対称性の活用に焦点をあてる。 我々は,マルチエージェントアクター批判手法の帰納バイアスとして,対称的制約を組み込んだニューラルネットワークアーキテクチャを設計する。
  論文  参考訳（メタデータ） (2023-08-23T00:18:17Z)
• UniGeo: Unifying Geometry Logical Reasoning via Reformulating Mathematical Expression [127.68780714438103]
  計算と証明の2つの主要な幾何学問題は、通常2つの特定のタスクとして扱われる。 我々は4,998の計算問題と9,543の証明問題を含むUniGeoという大規模統一幾何問題ベンチマークを構築した。 また,複数タスクの幾何変換フレームワークであるGeoformerを提案し,計算と証明を同時に行う。
  論文  参考訳（メタデータ） (2022-12-06T04:37:51Z)
• Geoclidean: Few-Shot Generalization in Euclidean Geometry [36.203651858533]
  ユークリッド幾何学は数学的思考の最も初期の形態の一つである。 自然画像で訓練されたコンピュータビジョンモデルはユークリッド幾何学と同じ感度を示すのだろうか? ユークリッド幾何学のためのドメイン固有言語であるGeoclideanを紹介する。
  論文  参考訳（メタデータ） (2022-11-30T01:17:22Z)
• On the Importance of Asymmetry for Siamese Representation Learning [53.86929387179092]
  シームズネットワークは、2つの並列エンコーダと概念的に対称である。 ネットワーク内の2つのエンコーダを明確に区別することで,非対称性の重要性について検討する。 非対称設計による改善は、より長いトレーニングスケジュール、複数の他のフレームワーク、より新しいバックボーンに一般化されている。
  論文  参考訳（メタデータ） (2022-04-01T17:57:24Z)
• Self-supervised Geometric Perception [96.89966337518854]
  自己教師付き幾何知覚(self-supervised geometric perception)は、基底幾何モデルラベルなしで対応マッチングのための特徴記述子を学ぶためのフレームワークである。 また,SGPは,地上トラスラベルを用いて訓練した教師付きオークルよりも同等か優れる最先端性能を達成できることを示す。
  論文  参考訳（メタデータ） (2021-03-04T15:34:43Z)
• Symmetry as an Organizing Principle for Geometric Intelligence [0.0]
  本稿では,Dehaene2006coreを用いた幾何学的知能試験の組織原理として対称性を用いた人工知能(AI)エージェントの構築手法を提案する。 我々のモデルの性能は、Dehaeneのテストにおける問題解決の既存のAIモデルと同等であり、同じテストにおける人間の振る舞いのいくつかの要素と相関しているように思われる。
  論文  参考訳（メタデータ） (2020-04-16T18:58:15Z)

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。