論文の概要: From Conceptual Spaces to Quantum Concepts: Formalising and Learning Structured Conceptual Models

• arxiv url: http://arxiv.org/abs/2401.08585v1
• Date: Mon, 6 Nov 2023 15:08:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-22 10:03:09.895747
• Title: From Conceptual Spaces to Quantum Concepts: Formalising and Learning Structured Conceptual Models
• Title（参考訳）: 概念空間から量子概念へ:形式化と構造化概念モデル学習
• Authors: Sean Tull, Razin A. Shaikh, Sara Sabrina Zemljic and Stephen Clark
• Abstract要約: 本稿では,概念空間の圏論的一般化を用いた構造概念のための新しいモデリングフレームワークを提案する。 1つの古典と1つの量子の2つの全く異なるインスタンス化を用いて、データから概念を自動的に学習する方法を示す。
• 参考スコア（独自算出の注目度）: 3.430966345969155
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this article we present a new modelling framework for structured concepts using a category-theoretic generalisation of conceptual spaces, and show how the conceptual representations can be learned automatically from data, using two very different instantiations: one classical and one quantum. A contribution of the work is a thorough category-theoretic formalisation of our framework. We claim that the use of category theory, and in particular the use of string diagrams to describe quantum processes, helps elucidate some of the most important features of our approach. We build upon Gardenfors' classical framework of conceptual spaces, in which cognition is modelled geometrically through the use of convex spaces, which in turn factorise in terms of simpler spaces called domains. We show how concepts from the domains of shape, colour, size and position can be learned from images of simple shapes, where concepts are represented as Gaussians in the classical implementation, and quantum effects in the quantum one. In the classical case we develop a new model which is inspired by the Beta-VAE model of concepts, but is designed to be more closely connected with language, so that the names of concepts form part of the graphical model. In the quantum case, concepts are learned by a hybrid classical-quantum network trained to perform concept classification, where the classical image processing is carried out by a convolutional neural network and the quantum representations are produced by a parameterised quantum circuit. Finally, we consider the question of whether our quantum models of concepts can be considered conceptual spaces in the Gardenfors sense.
• Abstract（参考訳）: 本稿では、概念空間の圏論的一般化を用いた構造化概念のための新しいモデリングフレームワークを提案し、概念表現がデータからどのように自動的に学習できるかを古典的および量子的2つの全く異なるインスタンス化を用いて示す。 この研究の貢献は、我々のフレームワークの徹底したカテゴリ理論的形式化です。 我々は、圏論、特に量子過程を記述するための弦図の使用は、我々のアプローチの最も重要な特徴のいくつかを解明するのに役立つと主張している。 我々は、Gardenforsの古典的な概念空間の枠組みの上に構築され、認識は凸空間を用いて幾何学的にモデル化される。 形状・色・大きさ・位置の領域からの概念が、古典的実装においてガウス的概念として表現され、量子的効果として表現される単純な形状のイメージからどのように学べるかを示す。 古典的なケースでは、概念のβ-VAEモデルにインスパイアされた新しいモデルを開発するが、概念の名称がグラフィカルモデルの一部となるように言語とより密接な関係を持つように設計されている。 量子の場合、概念は概念分類を行うように訓練されたハイブリッド古典量子ネットワークによって学習され、古典画像処理は畳み込みニューラルネットワークによって行われ、量子表現はパラメータ化された量子回路によって生成される。 最後に、我々の概念の量子モデルがGardenforsの意味で概念空間とみなすことができるかどうかを考察する。

関連論文リスト

• Theoretical framework for quantum associative memories [0.8437187555622164]
  連想メモリ(Associative memory)とは、メモリと入力を関連付け、劣化したパターンの復元を目標とする能力である。 オープン量子系力学に基づく量子連想メモリのための包括的フレームワークを開発する。
  論文  参考訳（メタデータ） (2024-08-26T13:46:47Z)
• A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
  生成モデルの一般化性能を評価するためのフレームワークを構築した。 古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。 以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-27T22:48:28Z)
• Formalising and Learning a Quantum Model of Concepts [7.15767183672057]
  量子論に基づく概念のための新しいモデリングフレームワークを提案する。 形状,色,サイズ,位置といった領域の概念は,単純な形状のイメージからどのように学習できるかを示す。 概念は概念分類を行うために訓練されたハイブリッド古典量子ネットワークによって学習される。
  論文  参考訳（メタデータ） (2023-02-07T10:29:40Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• Quantum Structure in Human Perception [0.0]
  重ね合わせ、文脈性、絡み合いの量子構造が人間の知覚自体に起源を持つ方法を検討する。 我々の分析は、人間の知覚が分類的知覚のゆらぎのメカニズムをどう組み込むかという単純な量子測定モデルから導かれる。
  論文  参考訳（メタデータ） (2022-08-07T13:59:23Z)
• The Conceptual VAE [7.15767183672057]
  本稿では,変分オートエンコーダの枠組みに基づく新しい概念モデルを提案する。 このモデルは、概念のβ-VAEモデルにインスパイアされ、密接に関連しています。 モデルが概念分類器としてどのように使用できるか、そしてインスタンス毎に少ないラベルから学習するためにどのように適応できるかを示す。
  論文  参考訳（メタデータ） (2022-03-21T17:27:28Z)
• Human-Centered Concept Explanations for Neural Networks [47.71169918421306]
  概念活性化ベクトル(Concept Activation Vectors, CAV)のクラスを含む概念的説明を紹介する。 次に、自動的に概念を抽出するアプローチと、それらの注意事項に対処するアプローチについて議論する。 最後に、このような概念に基づく説明が、合成設定や実世界の応用において有用であることを示すケーススタディについて論じる。
  論文  参考訳（メタデータ） (2022-02-25T01:27:31Z)
• The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
  線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。 ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
  論文  参考訳（メタデータ） (2021-03-08T17:24:29Z)
• Formalising Concepts as Grounded Abstractions [68.24080871981869]
  このレポートは、表現学習が生データから概念を誘導する方法を示しています。 このレポートの主な技術的目標は、表現学習のテクニックが概念空間の格子理論的定式化とどのように結婚できるかを示すことである。
  論文  参考訳（メタデータ） (2021-01-13T15:22:01Z)
• From a quantum theory to a classical one [117.44028458220427]
  量子対古典的交叉を記述するための形式的アプローチを提示し議論する。 この手法は、1982年にL. Yaffeによって、大きな$N$の量子場理論に取り組むために導入された。
  論文  参考訳（メタデータ） (2020-04-01T09:16:38Z)

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。