論文の概要: Actuation without production bias

• arxiv url: http://arxiv.org/abs/2407.11202v1
• Date: Mon, 15 Jul 2024 19:38:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-17 19:21:30.884384
• Title: Actuation without production bias
• Title（参考訳）: 生産バイアスのないアクチュエータ
• Authors: James Kirby, Morgan Sonderegger,
• Abstract要約: 音声生成バイアスは、音響変化の計算モデルにおいて最も一般的に呼び出される外部力である。 生産バイアスによって条件付けられた力学はユニークではないが、全ての摂動力が同じ力学を持つというわけではない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Phonetic production bias is the external force most commonly invoked in computational models of sound change, despite the fact that it is not responsible for all, or even most, sound changes. Furthermore, the existence of production bias alone cannot account for how changes do or do not propagate throughout a speech community. While many other factors have been invoked by (socio)phoneticians, including but not limited to contact (between subpopulations) and differences in social evaluation (of variants, groups, or individuals), these are not typically modeled in computational simulations of sound change. In this paper, we consider whether production biases have a unique dynamics in terms of how they impact the population-level spread of change in a setting where agents learn from multiple teachers. We show that, while the dynamics conditioned by production bias are not unique, it is not the case that all perturbing forces have the same dynamics: in particular, if social weight is a function of individual teachers and the correlation between a teacher's social weight and the extent to which they realize a production bias is weak, change is unlikely to propagate. Nevertheless, it remains the case that changes initiated from different sources may display a similar dynamics. A more nuanced understanding of how population structure interacts with individual biases can thus provide a (partial) solution to the `non-phonologization problem'.
• Abstract（参考訳）: 音素生成バイアス(英: speechtic production bias)は、音響変化の計算モデルにおいて最も一般的に呼び出される外部力である。 さらに、生産バイアスの存在だけでは、変化が言語コミュニティ全体を通してどのように起こるか、あるいは伝播しないかは説明できない。 他の多くの要因は(社会)音声学者によって実行されてきたが、接触(集団間)と社会的評価(変種、グループ、個人)の違いを含むが、これらは典型的には音変化の計算シミュレーションではモデル化されていない。 本稿では,エージェントが複数の教師から学習する環境において,生産バイアスが集団レベルの変化の拡散にどのように影響するかという点において,生産バイアスがユニークなダイナミクスを持つかどうかを検討する。 生産バイアスによって条件付けられたダイナミクスは独特ではないが、全ての摂動力が同じダイナミクスを持つわけではない。特に、社会的重みが個々の教師の機能であり、教師の社会的重みと、生産バイアスが弱いと認識される程度との相関関係が伝播する可能性は低い。 それでも、異なるソースから開始された変更が同様のダイナミクスを示す可能性はある。 個体群構造が個々のバイアスとどのように相互作用するかをより微妙に理解すれば、「非音声化問題」に対する(部分的な)解が得られる。

関連論文リスト

• Social learning with complex contagion [0.49109372384514843]
  複雑な感染の概念とペイオフバイアス模倣の概念を組み合わせた数学的モデルを導入する。 我々のフレームワークは、模倣によって伝統的な社会学習モデルを一般化する。 社会システムにおけるより現実的な行動変化を記述した合成フレームワークを提供する。
  論文  参考訳（メタデータ） (2024-06-21T07:32:58Z)
• Bias in Motion: Theoretical Insights into the Dynamics of Bias in SGD Training [7.5041863920639456]
  機械学習システムは、データの望ましくない特徴を活用してバイアスを取得し、異なるサブポピュレーションの精度に影響を与えることが多い。 本稿では, ガウス混合モデルを用いて, 教師学生によるデータサブポピュレーションのモデル化におけるバイアスの進化について検討する。 この発見を公平性と堅牢性に適用することで、不均一なデータと突発的な特徴がバイアスを発生し増幅する方法について、いつ、どのように、どのように、どのようにして、そして、どのようにして、そのバイアスを増大させるかを説明します。
  論文  参考訳（メタデータ） (2024-05-28T15:50:10Z)
• Picking on the Same Person: Does Algorithmic Monoculture lead to Outcome Homogenization? [90.35044668396591]
  機械学習における繰り返しのテーマはアルゴリズムによるモノカルチャーである。同じシステム、またはコンポーネントを共有するシステムは、複数の意思決定者によってデプロイされる。 意思決定者がトレーニングデータや特定のモデルなどのコンポーネントを共有すれば、より均一な結果が得られます。 我々はこの仮説をアルゴリズムフェアネスベンチマークで検証し、トレーニングデータの共有がホモジェナイゼーションを確実に悪化させることを示した。 結果の均質化に関する哲学的分析と社会的な課題を、デプロイされた機械学習システムに含めることに着目して結論付ける。
  論文  参考訳（メタデータ） (2022-11-25T09:33:11Z)
• The Tail Wagging the Dog: Dataset Construction Biases of Social Bias Benchmarks [75.58692290694452]
  社会的偏見と、データセット構築時に選択された選択から生じる非社会的偏見を比較し、人間の目では識別できないかもしれない。 これらの浅い修正は、様々なモデルにまたがるバイアスの程度に驚くべき影響を及ぼす。
  論文  参考訳（メタデータ） (2022-10-18T17:58:39Z)
• Learning Latent Causal Dynamics [14.762231867144065]
  時間遅延型因果変数を復元する原理的フレームワークLiLYを提案する。 次に、異なる分布シフトの下で測定された時間データからそれらの関係を同定する。 修正ステップは、いくつかのサンプルで低次元の変化係数を学習するものとして定式化される。
  論文  参考訳（メタデータ） (2022-02-10T04:23:32Z)
• Stateful Offline Contextual Policy Evaluation and Learning [88.9134799076718]
  我々は、シーケンシャルデータから、政治以外の評価と学習について研究する。 動的パーソナライズされた価格設定などの問題の因果構造を形式化する。 本報告では,本クラスにおけるアウト・オブ・サンプル・ポリシーの性能改善について述べる。
  論文  参考訳（メタデータ） (2021-10-19T16:15:56Z)
• Self-organized criticality in neural networks [0.0]
  本稿では,ニューラルネットワークの学習ダイナミクスが,自己組織的臨界状態に対して汎用的に惹きつけられていることを示す。 私たちの結果は、宇宙はニューラルネットワークかもしれないという主張を支持します。
  論文  参考訳（メタデータ） (2021-07-07T18:00:03Z)
• Counterfactual Invariance to Spurious Correlations: Why and How to Pass Stress Tests [87.60900567941428]
  素早い相関」とは、アナリストが重要とすべきでないと考える入力データのある側面に対するモデルの依存である。 機械学習では、これらにはノウ・イ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ」という特徴がある。 因果推論ツールを用いたストレステストについて検討した。
  論文  参考訳（メタデータ） (2021-05-31T14:39:38Z)
• How individuals change language [1.2437226707039446]
  我々は,多種多様な個人レベルの言語行動を含む,非常に一般的な数学的モデルを導入する。 異なる仮定の下で複数の言語における定冠詞と不定冠詞の実証的な変化の可能性を比較した。 幼児期の言語習得の誤りを主眼とする言語変化の説明は、歴史的データによって非常に弱く支持されている。
  論文  参考訳（メタデータ） (2021-04-20T19:02:49Z)
• Revealing Persona Biases in Dialogue Systems [64.96908171646808]
  対話システムにおけるペルソナバイアスに関する最初の大規模研究について述べる。 我々は、異なる社会階級、性的指向、人種、性別のペルソナの分析を行う。 BlenderおよびDialoGPT対話システムの研究では、ペルソナの選択が生成された応答の害の程度に影響を与える可能性があることを示しています。
  論文  参考訳（メタデータ） (2021-04-18T05:44:41Z)
• Improving Robustness by Augmenting Training Sentences with Predicate-Argument Structures [62.562760228942054]
  データセットバイアスに対するロバスト性を改善する既存のアプローチは、主にトレーニング目標の変更に焦点を当てている。 本稿では,学習データ中の入力文に対応する述語句構造を付加することを提案する。 特定のバイアスを対象とせずに、文の増大は、複数のバイアスに対してトランスフォーマーモデルの堅牢性を向上することを示す。
  論文  参考訳（メタデータ） (2020-10-23T16:22:05Z)

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。