論文の概要: Differentiable User Models

• arxiv url: http://arxiv.org/abs/2211.16277v2
• Date: Wed, 28 Jun 2023 07:40:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-29 18:31:33.553761
• Title: Differentiable User Models
• Title（参考訳）: 微分可能なユーザモデル
• Authors: Alex H\"am\"al\"ainen, Mustafa Mert \c{C}elikok, Samuel Kaski
• Abstract要約: 計算ボトルネックを回避するために、微分可能なサロゲートを導入する。 実験により、既存の可能性のない推論手法である唯一利用可能な解に匹敵するモデリング能力が達成可能であることを示す。 また、メニュー検索タスクにおいて、AIアシスタントがオンラインインタラクションに認知モデルを使用する方法も示しています。
• 参考スコア（独自算出の注目度）: 12.168949038217889
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Probabilistic user modeling is essential for building machine learning systems in the ubiquitous cases with humans in the loop. However, modern advanced user models, often designed as cognitive behavior simulators, are incompatible with modern machine learning pipelines and computationally prohibitive for most practical applications. We address this problem by introducing widely-applicable differentiable surrogates for bypassing this computational bottleneck; the surrogates enable computationally efficient inference with modern cognitive models. We show experimentally that modeling capabilities comparable to the only available solution, existing likelihood-free inference methods, are achievable with a computational cost suitable for online applications. Finally, we demonstrate how AI-assistants can now use cognitive models for online interaction in a menu-search task, which has so far required hours of computation during interaction.
• Abstract（参考訳）: 確率的ユーザモデリングは、ループ内に人間がいるユビキタスケースで機械学習システムを構築するために不可欠である。 しかし、現代の高度なユーザーモデルは認知行動シミュレータとして設計され、現代の機械学習パイプラインと互換性がなく、ほとんどの実用的なアプリケーションでは計算が禁じられている。 我々は、この計算ボトルネックを回避するために、広く適用可能な微分可能サロゲートを導入することでこの問題に対処し、サロゲートは現代の認知モデルを用いた計算効率の高い推論を可能にする。 オンラインアプリケーションに適した計算コストで、既存の可能性のない推論手法である、唯一利用可能なソリューションに匹敵するモデリング能力が達成可能であることを実験的に示す。 最後に、メニュー検索タスクにおいて、aiアシスタントがオンラインインタラクションに認知モデルをどのように利用できるかを示す。

関連論文リスト

• Modern, Efficient, and Differentiable Transport Equation Models using JAX: Applications to Population Balance Equations [0.6990493129893112]
  人口収支方程式(PBE)モデルは、多くのエンジニアリングプロセスを自動化する可能性がある。 医薬品分野において、結晶化モデルに基づく設計は過剰な薬物開発スケジュールの短縮に寄与する。
  論文  参考訳（メタデータ） (2024-11-01T17:07:41Z)
• Leveraging Interpolation Models and Error Bounds for Verifiable Scientific Machine Learning [0.0]
  我々は、検証可能な科学的機械学習へのベスト・オブ・ワールド・アプローチを提案する。 本稿では,複数の標準手法が効率よく計算あるいは推定できる情報的誤差境界を持つことを示す。 本稿では,エアフォイル画像からリフト・ドラッグ比を予測する手法を提案する。
  論文  参考訳（メタデータ） (2024-04-04T16:52:17Z)
• Neural Operators for Accelerating Scientific Simulations and Design [85.89660065887956]
  Neural Operatorsとして知られるAIフレームワークは、継続的ドメインで定義された関数間のマッピングを学習するための原則的なフレームワークを提供する。 ニューラルオペレータは、計算流体力学、天気予報、物質モデリングなど、多くのアプリケーションで既存のシミュレータを拡張または置き換えることができる。
  論文  参考訳（メタデータ） (2023-09-27T00:12:07Z)
• Data efficient surrogate modeling for engineering design: Ensemble-free batch mode deep active learning for regression [0.6021787236982659]
  そこで本研究では,学生と教師の共用で,サロゲートモデルを学習するための,シンプルでスケーラブルな学習手法を提案する。 提案手法を用いることで,DBALやモンテカルロサンプリングのような他のベースラインと同レベルのサロゲート精度が得られる。
  論文  参考訳（メタデータ） (2022-11-16T02:31:57Z)
• Multi-fidelity wavelet neural operator with application to uncertainty quantification [0.0]
  我々は,多要素データセットから学習可能なウェーブレットニューラル演算子に基づく新しいフレームワークを開発した。 フレームワークの優れた学習能力は、異なる問題を解決することで実証される。
  論文  参考訳（メタデータ） (2022-08-11T02:03:30Z)
• HyperImpute: Generalized Iterative Imputation with Automatic Model Selection [77.86861638371926]
  カラムワイズモデルを適応的かつ自動的に構成するための一般化反復計算フレームワークを提案する。 既製の学習者,シミュレータ,インターフェースを備えた具体的な実装を提供する。
  論文  参考訳（メタデータ） (2022-06-15T19:10:35Z)
• DIME: Fine-grained Interpretations of Multimodal Models via Disentangled Local Explanations [119.1953397679783]
  我々は,マルチモーダルモデルの解釈における最先端化に注力する。 提案手法であるDIMEは,マルチモーダルモデルの高精度かつきめ細かな解析を可能にする。
  論文  参考訳（メタデータ） (2022-03-03T20:52:47Z)
• Gone Fishing: Neural Active Learning with Fisher Embeddings [55.08537975896764]
  ディープニューラルネットワークと互換性のあるアクティブな学習アルゴリズムの必要性が高まっている。 本稿では,ニューラルネットワークのための抽出可能かつ高性能な能動学習アルゴリズムBAITを紹介する。
  論文  参考訳（メタデータ） (2021-06-17T17:26:31Z)
• Reservoir Memory Machines as Neural Computers [70.5993855765376]
  微分可能なニューラルネットワークは、干渉することなく明示的なメモリで人工ニューラルネットワークを拡張する。 我々は、非常に効率的に訓練できるモデルを用いて、微分可能なニューラルネットワークの計算能力を実現する。
  論文  参考訳（メタデータ） (2020-09-14T12:01:30Z)
• Sample-Efficient Model-based Actor-Critic for an Interactive Dialogue Task [27.896714528986855]
  対話型対話タスクのためのモデルに基づく強化学習を提案する。 一般的なアクター批判的手法に基づいて構築し、学習エージェントに学習を促す環境モデルとプランナーを追加します。 この結果から,対話型タスクを模倣したシミュレーションでは,一般的なモデルフリーアルゴリズムのベースラインに比べて,70倍のサンプルを必要とすることがわかった。
  論文  参考訳（メタデータ） (2020-04-28T17:00:59Z)
• Plausible Counterfactuals: Auditing Deep Learning Classifiers with Realistic Adversarial Examples [84.8370546614042]
  ディープラーニングモデルのブラックボックスの性質は、彼らがデータから何を学ぶかについて、未回答の疑問を提起している。 GAN(Generative Adversarial Network)とマルチオブジェクトは、監査されたモデルに妥当な攻撃を与えるために使用される。 その実用性は人間の顔の分類タスクの中で示され、提案されたフレームワークの潜在的可能性を明らかにしている。
  論文  参考訳（メタデータ） (2020-03-25T11:08:56Z)

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。