論文の概要: A Rational Model of Dimension-reduced Human Categorization
- arxiv url: http://arxiv.org/abs/2305.14383v1
- Date: Mon, 22 May 2023 11:49:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-26 00:35:03.638735
- Title: A Rational Model of Dimension-reduced Human Categorization
- Title(参考訳): 次元還元型人間分類の合理的モデル
- Authors: Yifan Hong and Chen Wang
- Abstract要約: 本稿では,確率的主成分の階層的混合に基づく分類の合理的モデルを提案する。
このモデルは人間の分類における次元バイアスを捉え、ゼロショット学習をサポートする。
- 参考スコア(独自算出の注目度): 3.5955736977697073
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing models in cognitive science typically assume human categorization as
graded generalization behavior in a multidimensional psychological space.
However, category representations in these models may suffer from the curse of
dimensionality in a natural setting. People generally rely on a tractable yet
sufficient set of features to understand the complex environment. We propose a
rational model of categorization based on a hierarchical mixture of
probabilistic principal components, that simultaneously learn category
representations and an economical collection of features. The model captures
dimensional biases in human categorization and supports zero-shot learning. We
further exploit a generative process within a low-dimensional latent space to
provide a better account of categorization with high-dimensional stimuli. We
validate the model with simulation and behavioral experiments.
- Abstract(参考訳): 認知科学における既存のモデルは通常、人間の分類を多次元心理学空間における段階的一般化行動とみなす。
しかし、これらのモデルにおける圏表現は自然環境における次元性の呪いに悩まされる可能性がある。
人々は一般的に、複雑な環境を理解するのに、トラクタブルで十分な機能のセットに依存します。
本稿では,カテゴリ表現と特徴の経済的収集を同時に学習する確率的主成分の階層的混合に基づく合理的な分類モデルを提案する。
このモデルは人間の分類における次元バイアスを捉え、ゼロショット学習をサポートする。
さらに,低次元潜在空間内の生成過程を利用して,高次元刺激による分類をよりよく説明する。
シミュレーションと行動実験でモデルを検証した。
関連論文リスト
- Toward Auto-evaluation with Confidence-based Category Relation-aware
Regression [26.523665091299062]
信頼に基づくカテゴリ関係認識回帰法(C2R2$)を提案する。
C2R2$は、すべてのインスタンスを信頼スコアに応じて異なるカテゴリに分割し、それらからグローバルな表現を抽出する。
各カテゴリについて、$C2R2$は、他のカテゴリとの局所的な混乱関係を局所表現にエンコードする。
論文 参考訳(メタデータ) (2023-04-17T14:00:29Z) - Automatically Discovering Novel Visual Categories with Self-supervised
Prototype Learning [68.63910949916209]
本稿では,大規模な画像収集において未知のカテゴリを識別することを目的とした,新しいカテゴリ発見(NCD)の課題に取り組む。
本稿では,プロトタイプ表現学習とプロトタイプ自己学習という,2つの主要な段階からなる適応型プロトタイプ学習手法を提案する。
本研究では,4つのベンチマークデータセットについて広範な実験を行い,提案手法の有効性とロバスト性を示す。
論文 参考訳(メタデータ) (2022-08-01T16:34:33Z) - Domain Adaptive Nuclei Instance Segmentation and Classification via
Category-aware Feature Alignment and Pseudo-labelling [65.40672505658213]
本稿では, UDA 核インスタンス分割と分類のための新しいディープニューラルネットワークである Category-Aware 機能アライメントと Pseudo-Labelling Network (CAPL-Net) を提案する。
我々のアプローチは、最先端のUDA手法よりも顕著なマージンで優れています。
論文 参考訳(メタデータ) (2022-07-04T07:05:06Z) - Rethinking Semantic Segmentation: A Prototype View [126.59244185849838]
学習不可能なプロトタイプをベースとした非パラメトリックセマンティックセマンティックセマンティクスモデルを提案する。
我々のフレームワークは、いくつかのデータセットに対して魅力的な結果をもたらす。
この作業が、現在のデファクトセマンティックセグメンテーションモデル設計を再考することを期待しています。
論文 参考訳(メタデータ) (2022-03-28T21:15:32Z) - A Top-down Supervised Learning Approach to Hierarchical Multi-label
Classification in Networks [0.21485350418225244]
本稿では,階層型マルチラベル分類(HMC)に対する一般的な予測モデルを提案する。
クラスごとの局所分類器を構築することで教師あり学習により階層的マルチラベル分類に対処するトップダウン分類アプローチに基づいている。
本モデルでは, イネOryza sativa Japonicaの遺伝子機能の予測について事例研究を行った。
論文 参考訳(メタデータ) (2022-03-23T17:29:17Z) - Dual Prototypical Contrastive Learning for Few-shot Semantic
Segmentation [55.339405417090084]
本稿では,FSSタスクに適合する2つの特徴的コントラスト学習手法を提案する。
第一の考え方は、プロトタイプの特徴空間におけるクラス内距離を減少させながら、クラス間距離を増やすことで、プロトタイプをより差別的にすることである。
提案手法は,PASCAL-5iおよびCOCO-20iデータセット上で,最先端のFSS手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2021-11-09T08:14:50Z) - On Clustering Categories of Categorical Predictors in Generalized Linear
Models [0.0]
本稿では,分類予測器の存在下での一般化線形モデルの複雑性を低減する手法を提案する。
各カテゴリがダミー変数で表される従来のワンホット符号化は、無駄で解釈が難しく、過度に適合する傾向がある。
本稿では,カテゴリをクラスタリングすることでカテゴリ予測器の表現を小さくすることで,これらの課題に対処する。
論文 参考訳(メタデータ) (2021-10-19T15:36:35Z) - Few-shot Image Classification with Multi-Facet Prototypes [48.583388368897126]
視覚的特徴をファセットに整理し、同じ種類の特徴を直感的にグループ化する。
カテゴリー名の事前訓練された埋め込みから、顔の重要性を予測することができる。
特に,あるカテゴリの集合に対して,予測されたフェーレット重み付けに依存する適応的類似度尺度を提案する。
論文 参考訳(メタデータ) (2021-02-01T12:43:03Z) - Adaptive Prototypical Networks with Label Words and Joint Representation
Learning for Few-Shot Relation Classification [17.237331828747006]
本研究は,少ショット関係分類(FSRC)に焦点を当てる。
クラスプロトタイプの表現にラベル単語を追加するための適応的混合機構を提案する。
FewRelでは、異なる数ショット(FS)設定で実験が行われた。
論文 参考訳(メタデータ) (2021-01-10T11:25:42Z) - Fine-grained Classification via Categorical Memory Networks [42.413523046712896]
きめ細かい機能学習のためのクラス固有のメモリモジュールを提示する。
メモリモジュールは、各カテゴリの原型的特徴表現を移動平均として格納する。
クラス固有のメモリモジュールを標準畳み込みニューラルネットワークに統合し、カテゴリメモリネットワークを生成します。
論文 参考訳(メタデータ) (2020-12-12T11:50:13Z) - Commonality-Parsing Network across Shape and Appearance for Partially
Supervised Instance Segmentation [71.59275788106622]
そこで本稿では,マスク付分類から新しい分類へ一般化可能な,クラス非依存の共通性について考察する。
本モデルでは,COCOデータセット上のサンプルセグメンテーションにおける部分教師付き設定と少数ショット設定の両方において,最先端の手法を著しく上回っている。
論文 参考訳(メタデータ) (2020-07-24T07:23:44Z)
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。