論文の概要: Representational Systems Theory: A Unified Approach to Encoding, Analysing and Transforming Representations

• arxiv url: http://arxiv.org/abs/2206.03172v1
• Date: Tue, 7 Jun 2022 10:43:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-08 15:32:51.915543
• Title: Representational Systems Theory: A Unified Approach to Encoding, Analysing and Transforming Representations
• Title（参考訳）: 表現システム理論:表現の符号化、解析、変換への統一的アプローチ
• Authors: Daniel Raggi, Gem Stapleton, Mateja Jamnik, Aaron Stockdill, Grecia Garcia Garcia, Peter C-H. Cheng
• Abstract要約: 表現システム理論(Representational Systems Theory)は、3つのコアの観点から様々な表現を符号化するように設計されている。 ある系における表現を別の系における表現に構造的に変換することができる。
• 参考スコア（独自算出の注目度）: 3.1252164619375473
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The study of representations is of fundamental importance to any form of communication, and our ability to exploit them effectively is paramount. This article presents a novel theory -- Representational Systems Theory -- that is designed to abstractly encode a wide variety of representations from three core perspectives: syntax, entailment, and their properties. By introducing the concept of a construction space, we are able to encode each of these core components under a single, unifying paradigm. Using our Representational Systems Theory, it becomes possible to structurally transform representations in one system into representations in another. An intrinsic facet of our structural transformation technique is representation selection based on properties that representations possess, such as their relative cognitive effectiveness or structural complexity. A major theoretical barrier to providing general structural transformation techniques is a lack of terminating algorithms. Representational Systems Theory permits the derivation of partial transformations when no terminating algorithm can produce a full transformation. Since Representational Systems Theory provides a universal approach to encoding representational systems, a further key barrier is eliminated: the need to devise system-specific structural transformation algorithms, that are necessary when different systems adopt different formalisation approaches. Consequently, Representational Systems Theory is the first general framework that provides a unified approach to encoding representations, supports representation selection via structural transformations, and has the potential for widespread practical application.
• Abstract（参考訳）: 表現の研究はコミュニケーションのあらゆる形態において根本的に重要であり、それらを効果的に活用する能力は最重要である。 本稿では3つの中核的な視点から多種多様な表現を抽象的にエンコードするために設計された新しい理論、表現システム理論について述べる。 構成空間の概念を導入することで、それぞれのコアコンポーネントを単一の統一パラダイムでエンコードすることが可能になります。 表現システム理論を用いて、ある系における表現を別の系における表現に構造的に変換することができる。 構造変換手法の内在的な側面は、相対的な認知的効果や構造的複雑性など、表現が持つ特性に基づいた表現選択である。 一般的な構造変換技術を提供する上での大きな理論的障壁は、終了アルゴリズムの欠如である。 表現系理論は、終端アルゴリズムが完全変換を生成できない場合、部分変換の導出を可能にする。 表現系理論は、表現系を符号化するための普遍的なアプローチを提供するため、さらに重要な障壁が排除される: 異なるシステムが異なる形式化アプローチを採用する場合に必要となる、システム固有の構造変換アルゴリズムを考案する必要性。 したがって、表現システム理論は、表現を符号化するための統一的なアプローチを提供し、構造変換による表現選択をサポートし、広く実用化される可能性を持つ最初の一般的なフレームワークである。

関連論文リスト

• Emergence of Abstractions: Concept Encoding and Decoding Mechanism for In-Context Learning in Transformers [18.077009146950473]
  自己回帰変換器は文脈内学習(ICL)を通して適応学習を示す 変換器の表現において内部抽象をどう形成し、どのように利用するかを研究することにより、ICLを説明するための符号化・復号機構を提案する。 私たちの経験的洞察は、その表現を通じて、大きな言語モデルの成功と失敗モードの理解を深めました。
  論文  参考訳（メタデータ） (2024-12-16T19:00:18Z)
• A Canonicalization Perspective on Invariant and Equivariant Learning [54.44572887716977]
  フレームの設計について,本質的で完全な視点を提供する正準化の視点を導入する。 フレームと標準形式の間には固有の関係があることが示される。 既存の手法よりも厳密な固有ベクトルのための新しいフレームを設計する。
  論文  参考訳（メタデータ） (2024-05-28T17:22:15Z)
• Learning Visual-Semantic Subspace Representations for Propositional Reasoning [49.17165360280794]
  本稿では,特定の意味構造に適合する視覚表現を学習するための新しい手法を提案する。 我々のアプローチは、新しい核規範に基づく損失に基づいている。 部分空間格子におけるセマンティクスのスペクトル幾何学を最小エンコードしていることを示す。
  論文  参考訳（メタデータ） (2024-05-25T12:51:38Z)
• A Neural Rewriting System to Solve Algorithmic Problems [47.129504708849446]
  ネストされた数学的公式を解くための一般的な手順を学習するために設計されたモジュラーアーキテクチャを提案する。 シンボリック人工知能の古典的なフレームワークである書き換えシステムに触発され、アーキテクチャには3つの専門的で対話的なモジュールが含まれます。 我々は、系統的な一般化に特化した最近のモデルであるNeural Data Routerと、先進的なプロンプト戦略で探索された最先端の大規模言語モデル(GPT-4)とを比較した。
  論文  参考訳（メタデータ） (2024-02-27T10:57:07Z)
• Hierarchical Invariance for Robust and Interpretable Vision Tasks at Larger Scales [54.78115855552886]
  本稿では、畳み込みニューラルネットワーク(CNN)のような階層型アーキテクチャを用いて、オーバーコンプリート不変量を構築する方法を示す。 オーバーコンプリート性により、そのタスクはニューラルアーキテクチャサーチ(NAS)のような方法で適応的に形成される。 大規模で頑健で解釈可能な視覚タスクの場合、階層的不変表現は伝統的なCNNや不変量に対する効果的な代替物とみなすことができる。
  論文  参考訳（メタデータ） (2024-02-23T16:50:07Z)
• An Encoding of Abstract Dialectical Frameworks into Higher-Order Logic [57.24311218570012]
  このアプローチは抽象弁証法フレームワークのコンピュータ支援分析を可能にする。 応用例としては、メタ理論的性質の形式的解析と検証がある。
  論文  参考訳（メタデータ） (2023-12-08T09:32:26Z)
• Flow Factorized Representation Learning [109.51947536586677]
  本稿では、異なる入力変換を定義する潜在確率パスの別個のセットを規定する生成モデルを提案する。 本モデルは,ほぼ同変モデルに近づきながら,標準表現学習ベンチマークにおいて高い確率を達成することを示す。
  論文  参考訳（メタデータ） (2023-09-22T20:15:37Z)
• A Recursive Bateson-Inspired Model for the Generation of Semantic Formal Concepts from Spatial Sensory Data [77.34726150561087]
  本稿では,複雑な感覚データから階層構造を生成するための記号のみの手法を提案する。 このアプローチは、概念や概念の創始の鍵としてのバテソンの差異の概念に基づいている。 このモデルは、トレーニングなしでかなりリッチだが人間に読まれる概念表現を生成することができる。
  論文  参考訳（メタデータ） (2023-07-16T15:59:13Z)
• Causal Abstraction: A Theoretical Foundation for Mechanistic Interpretability [30.76910454663951]
  因果抽象化は機械的解釈可能性の理論的基盤を提供する。 我々の貢献は、メカニズム置換から任意のメカニズム変換への因果的抽象化の理論の一般化である。
  論文  参考訳（メタデータ） (2023-01-11T20:42:41Z)
• Expressiveness and machine processability of Knowledge Organization Systems (KOS): An analysis of concepts and relations [0.0]
  各知識組織システムの表現性と機械処理性の両方の可能性は、その構造規則によって広範囲に規制されている。 オントロジーは多種多様な関係を明示的に定義し、その性質上機械処理可能である。
  論文  参考訳（メタデータ） (2020-03-11T12:35:52Z)

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。