論文の概要: Memory as a Mass-based Graph: Towards a Conceptual Framework for the
Simulation Model of Human Memory in AI
- arxiv url: http://arxiv.org/abs/2305.19274v1
- Date: Fri, 19 May 2023 01:42:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-04 11:10:46.414808
- Title: Memory as a Mass-based Graph: Towards a Conceptual Framework for the
Simulation Model of Human Memory in AI
- Title(参考訳): マスベースグラフとしてのメモリ:AIにおけるヒューマンメモリのシミュレーションモデルの概念的フレームワークを目指して
- Authors: Mahdi Mollakazemiha, Hassan Fatzade
- Abstract要約: 本稿では,各原子命題が真理として,知的存在に対して重要であることを示す,ノードに質量に基づく値を持つエッジ重み付きグラフを提案する。
動的に発達し、変化し、連続するフェーズでは、環境からの収集された入力に応じて、エッジのノードの質量と重量を変化させる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: There are two approaches for simulating memory as well as learning in
artificial intelligence; the functionalistic approach and the cognitive
approach. The necessary condition to put the second approach into account is to
provide a model of brain activity that contains a quite good congruence with
observational facts such as mistakes and forgotten experiences. Given that
human memory has a solid core that includes the components of our identity, our
family and our hometown, the major and determinative events of our lives, and
the countless repeated and accepted facts of our culture, the more we go to the
peripheral spots the data becomes flimsier and more easily exposed to oblivion.
It was essential to propose a model in which the topographical differences are
quite distinguishable. In our proposed model, we have translated this
topographical situation into quantities, which are attributed to the nodes. The
result is an edge-weighted graph with mass-based values on the nodes which
demonstrates the importance of each atomic proposition, as a truth, for an
intelligent being. Furthermore, it dynamically develops and modifies, and in
successive phases, it changes the mass of the nodes and weight of the edges
depending on gathered inputs from the environment.
- Abstract(参考訳): 記憶のシミュレーションと人工知能の学習には、機能的アプローチと認知的アプローチの2つのアプローチがある。
第2のアプローチを考慮に入れるために必要な条件は、ミスや忘れられた経験のような観察上の事実と非常によく一致した脳活動のモデルを提供することである。
人間の記憶には、アイデンティティの構成要素、家族と故郷、生活の重要かつ決定的な出来事、そして我々の文化の数え切れないほど繰り返し受け入れられる事実を含む堅実なコアがあるので、データがよりゆるやかに露出しやすくなる。
地形差が極めて識別可能なモデルを提案することが不可欠であった。
提案するモデルでは,この地形的状況を数量に翻訳し,それがノードに帰属する。
その結果、ノード上に質量ベースの値を持つエッジ重み付きグラフとなり、知的存在に対する各原子命題の重要性が証明される。
さらに、動的に発達・変更し、連続したフェーズでは、環境からの収集された入力に応じて、エッジのノードの質量と重量を変化させる。
関連論文リスト
- Bridging Associative Memory and Probabilistic Modeling [30.32889433757583]
連想記憶と確率的モデリングは人工知能の2つの基本的なトピックである。
両方向のアイデアの有用なフローを実現するために,この2つの橋を架けています。
論文 参考訳(メタデータ) (2024-02-15T18:56:46Z) - UGMAE: A Unified Framework for Graph Masked Autoencoders [67.75493040186859]
グラフマスク付きオートエンコーダのための統一フレームワークであるUGMAEを提案する。
まず,ノードの特異性を考慮した適応型特徴マスク生成器を開発した。
次に,階層型構造再構成と特徴再構成を併用し,総合的なグラフ情報を取得する。
論文 参考訳(メタデータ) (2024-02-12T19:39:26Z) - Physics-Encoded Graph Neural Networks for Deformation Prediction under
Contact [87.69278096528156]
ロボット工学では、触覚相互作用における物体の変形を理解することが不可欠である。
本稿では,物理符号化グラフニューラルネットワーク(GNN)を用いた予測手法を提案する。
コードとデータセットを公開して、ロボットシミュレーションと把握の研究を進めました。
論文 参考訳(メタデータ) (2024-02-05T19:21:52Z) - Understanding AI Cognition: A Neural Module for Inference Inspired by
Human Memory Mechanisms [10.094090483211966]
本稿では,知覚,記憶,推論の構成要素からなるPMIフレームワークを提案する。
メモリモジュールは、作業と長期記憶から構成され、後者は、より蓄積された知識と経験を保持するために高次構造を備えている。
我々は、bAbI-20kやSolt-of-CLEVRデータセットのような質問応答タスクにおいて、一般的なTransformerとCNNモデルを改善するためにPMIを適用します。
論文 参考訳(メタデータ) (2023-10-01T08:12:55Z) - ArK: Augmented Reality with Knowledge Interactive Emergent Ability [115.72679420999535]
基礎モデルから新しいドメインへの知識記憶の伝達を学習する無限エージェントを開発する。
私たちのアプローチの核心は、Augmented Reality with Knowledge Inference Interaction (ArK)と呼ばれる新しいメカニズムである。
我々のArKアプローチは,大規模な基礎モデルと組み合わせることで,生成された2D/3Dシーンの品質を大幅に向上することを示す。
論文 参考訳(メタデータ) (2023-05-01T17:57:01Z) - Learning Physical Dynamics with Subequivariant Graph Neural Networks [99.41677381754678]
グラフニューラルネットワーク(GNN)は、物理力学を学習するための一般的なツールとなっている。
物理法則は、モデル一般化に必須な帰納バイアスである対称性に従属する。
本モデルは,RigidFall上でのPhysylonと2倍低ロールアウトMSEの8つのシナリオにおいて,平均3%以上の接触予測精度の向上を実現している。
論文 参考訳(メタデータ) (2022-10-13T10:00:30Z) - AIGenC: An AI generalisation model via creativity [1.933681537640272]
本稿では,創造性に関する認知理論に触発された計算モデル(AIGenC)を紹介する。
人工エージェントが変換可能な表現を学習、使用、生成するために必要なコンポーネントを配置する。
本稿では, 人工エージェントの配当効率を向上するモデルの有効性について論じる。
論文 参考訳(メタデータ) (2022-05-19T17:43:31Z) - Associative Memories via Predictive Coding [37.59398215921529]
脳内の連想記憶は感覚ニューロンによって登録された活動パターンを受信し、記憶する。
本稿では,知覚ニューロンを介して外部刺激を受ける階層的生成ネットワークに基づいて,連想記憶を実現する新しいニューラルモデルを提案する。
論文 参考訳(メタデータ) (2021-09-16T15:46:26Z) - Object-Centric Diagnosis of Visual Reasoning [118.36750454795428]
本稿では,地平とロバスト性に基づく視覚的推論の体系的対象中心の診断について述べる。
我々は,グラフ推論機械という診断モデルを開発した。
本モデルは、純粋に象徴的な視覚的表現を確率的シーングラフに置き換え、教師の強制訓練をビジュアル推論モジュールに適用する。
論文 参考訳(メタデータ) (2020-12-21T18:59:28Z) - HM4: Hidden Markov Model with Memory Management for Visual Place
Recognition [54.051025148533554]
自律運転における視覚的位置認識のための隠れマルコフモデルを提案する。
我々のアルゴリズムはHM$4$と呼ばれ、時間的ルックアヘッドを利用して、有望な候補画像をパッシブストレージとアクティブメモリ間で転送する。
固定被覆領域に対して一定の時間と空間推定が可能であることを示す。
論文 参考訳(メタデータ) (2020-11-01T08:49:24Z) - Multimodal Memorability: Modeling Effects of Semantics and Decay on
Video Memorability [17.00485879591431]
我々は、人間の視覚事象記憶の予測モデルを構築し、その記憶が時間の経過とともに崩壊する方法について述べる。
我々はMemento10kを紹介した。Memento10kは、人間のアノテーションを異なる視聴遅延で含む新しい動的ビデオ記憶可能性データセットである。
論文 参考訳(メタデータ) (2020-09-05T17:24:02Z)
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。