論文の概要: Discrete Versus Continuous Algorithms in Dynamics of Affective Decision
Making
- arxiv url: http://arxiv.org/abs/2309.00357v1
- Date: Fri, 1 Sep 2023 09:23:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-04 13:49:53.069660
- Title: Discrete Versus Continuous Algorithms in Dynamics of Affective Decision
Making
- Title（参考訳）: 影響意思決定のダイナミクスにおける離散対数連続アルゴリズム
- Authors: V.I. Yukalov and E.P. Yukalova
- Abstract要約: 感情的意思決定のダイナミクスは、異なるタイプのメモリを持つエージェントで構成されるインテリジェントネットワークとして考慮されている。
本研究の目的は、インテリジェントネットワークの2つのマルチステップ演算アルゴリズムの比較である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The dynamics of affective decision making is considered for an intelligent
network composed of agents with different types of memory: long-term and
short-term memory. The consideration is based on probabilistic affective
decision theory, which takes into account the rational utility of alternatives
as well as the emotional alternative attractiveness. The objective of this
paper is the comparison of two multistep operational algorithms of the
intelligent network: one based on discrete dynamics and the other on continuous
dynamics. By means of numerical analysis, it is shown that, depending on the
network parameters, the characteristic probabilities for continuous and
discrete operations can exhibit either close or drastically different behavior.
Thus, depending on which algorithm is employed, either discrete or continuous,
theoretical predictions can be rather different, which does not allow for a
uniquely defined description of practical problems. This finding is important
for understanding which of the algorithms is more appropriate for the correct
analysis of decision-making tasks. A discussion is given, revealing that the
discrete operation seems to be more realistic for describing intelligent
networks as well as affective artificial intelligence.
- Abstract（参考訳）: 感情的意思決定のダイナミクスは、長期記憶と短期記憶の異なるエージェントからなるインテリジェントネットワークとして考慮されている。
この考察は、選択肢の合理的な有用性と感情的な代替魅力を考慮に入れた確率論的感情決定理論に基づいている。
本研究の目的は,知的ネットワークにおける2つの多段階演算アルゴリズムの比較である。
数値解析により、ネットワークパラメータによって、連続的および離散的な操作に対する特性確率は、密接な、あるいは劇的に異なる振る舞いを示すことが示されている。
したがって、どのアルゴリズムが使われているかによっては、離散的または連続的な理論的予測とはかなり異なる場合があるため、実際的な問題を一意に定義することはできない。
この発見は、どのアルゴリズムが意思決定タスクの正しい分析に適しているかを理解するために重要である。
議論が行われ、インテリジェントなネットワークや感情的な人工知能を記述する上で、離散的な操作の方がより現実的であることが明らかとなった。
関連論文リスト
- A deep neural network framework for dynamic multi-valued mapping estimation and its applications [3.21704928672212]
本稿では、生成ネットワークと分類コンポーネントを組み込んだディープニューラルネットワークフレームワークを提案する。
本研究の目的は、信頼性の高い不確実性測定を提供することにより、入力と出力の間の動的多値写像をモデル化することである。
実験結果から,不確実性を考慮した動的多値写像を精度良く推定できることが示唆された。
論文 参考訳（メタデータ） (2024-06-29T03:26:51Z) - Predicting Probabilities of Error to Combine Quantization and Early Exiting: QuEE [68.6018458996143]
本稿では,量子化と早期出口動的ネットワークを組み合わせたより一般的な動的ネットワークQuEEを提案する。
我々のアルゴリズムは、ソフトアーリーエグジットや入力依存圧縮の一形態と見なすことができる。
提案手法の重要な要素は、さらなる計算によって実現可能な潜在的な精度向上の正確な予測である。
論文 参考訳（メタデータ） (2024-06-20T15:25:13Z) - Switchable Decision: Dynamic Neural Generation Networks [98.61113699324429]
本稿では,各データインスタンスのリソースを動的に割り当てることで,推論を高速化するスイッチブルな決定を提案する。
提案手法は, 同一の精度を維持しながら, 推論時のコスト低減に有効である。
論文 参考訳（メタデータ） (2024-05-07T17:44:54Z) - Learning invariant representations of time-homogeneous stochastic dynamical systems [27.127773672738535]
我々は,そのダイナミクスを忠実に捉えた状態の表現を学習する問題を研究する。
これは、転送演算子やシステムのジェネレータを学ぶのに役立ちます。
ニューラルネットワークに対する最適化問題として,優れた表現の探索が可能であることを示す。
論文 参考訳（メタデータ） (2023-07-19T11:32:24Z) - Semantic Strengthening of Neuro-Symbolic Learning [85.6195120593625]
ニューロシンボリックアプローチは一般に確率論的目的のファジィ近似を利用する。
トラクタブル回路において,これを効率的に計算する方法を示す。
我々は,Warcraftにおける最小コストパスの予測,最小コスト完全マッチングの予測,スドクパズルの解法という3つの課題に対して,アプローチを検証した。
論文 参考訳（メタデータ） (2023-02-28T00:04:22Z) - Multi-Target Decision Making under Conditions of Severe Uncertainty [0.0]
不完全な優先的・確率的な情報をいかに利用して、異なる目標間の意思決定を比較するかを示す。
本稿では,提案する決定オプション間の順序の興味深い性質について論じ,線形最適化によって具体的な計算方法を示す。
本論文は,アルゴリズムを異なる性能尺度で比較する文脈において,我々のフレームワークを実証することによって,論文を締めくくっている。
論文 参考訳（メタデータ） (2022-12-13T11:47:02Z) - Bayesian Attention Belief Networks [59.183311769616466]
注意に基づくニューラルネットワークは、幅広いタスクにおいて最先端の結果を得た。
本稿では,非正規化注意重みをモデル化してデコーダネットワークを構築するベイズ的注意信念ネットワークについて紹介する。
提案手法は, 精度, 不確実性推定, ドメイン間の一般化, 敵攻撃において, 決定論的注意と最先端の注意よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-06-09T17:46:22Z) - Ada-SISE: Adaptive Semantic Input Sampling for Efficient Explanation of
Convolutional Neural Networks [26.434705114982584]
畳み込みニューラルネットワークの効率的な解釈手法を提案する。
実験の結果,提案手法は実行時間を最大30%削減できることがわかった。
論文 参考訳（メタデータ） (2021-02-15T19:10:00Z) - AI Centered on Scene Fitting and Dynamic Cognitive Network [4.228224431041357]
より強力な人工知能を実現するためには、エンドツーエンドの関数計算を変更する必要がある。
また、動的認知ネットワークモデル(DCNet)と呼ばれる具体的なスキームについても論じている。
論文 参考訳（メタデータ） (2020-10-02T06:13:41Z) - Invariant Rationalization [84.1861516092232]
典型的な合理化基準、すなわち最大相互情報(MMI)は、合理性のみに基づいて予測性能を最大化する合理性を見つける。
ゲーム理論の不変な有理化基準を導入し、各環境において同じ予測器を最適にするために、有理を制約する。
理論的にも実証的にも、提案された理性は、素早い相関を除外し、異なるテストシナリオをより一般化し、人間の判断とよく一致させることができることを示す。
論文 参考訳（メタデータ） (2020-03-22T00:50:27Z) - Learning with Differentiable Perturbed Optimizers [54.351317101356614]
本稿では,操作を微分可能で局所的に一定ではない操作に変換する手法を提案する。
提案手法は摂動に依拠し,既存の解法とともに容易に利用することができる。
本稿では,この枠組みが,構造化予測において発達した損失の族とどのように結びつくかを示し,学習課題におけるそれらの使用に関する理論的保証を与える。
論文 参考訳（メタデータ） (2020-02-20T11:11:32Z)
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。