論文の概要: The Function-Representation Model of Computation
- arxiv url: http://arxiv.org/abs/2410.07928v2
- Date: Fri, 11 Oct 2024 09:48:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-31 13:53:52.223246
- Title: The Function-Representation Model of Computation
- Title（参考訳）: 計算関数表現モデル
- Authors: Alfredo Ibias, Hector Antona, Guillem Ramirez-Miranda, Enric Guinovart, Eduard Alarcon,
- Abstract要約: 本稿では,関数表現の実装と利用に基づく新しい計算モデルを提案する。
また、複数のFunction-Representationを編成するさまざまな方法について話し、これらのFunction-Representationsが実装できる関数の種類を探る。
- 参考スコア（独自算出の注目度）: 2.5069344340760713
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cognitive Architectures are the forefront of our research into developing an artificial cognition. However, they approach the problem from a separated memory and program model of computation. This model of computation poses a fundamental problem: the knowledge retrieval heuristic. In this paper we propose to solve this problem by using a new model of computation, one where the memory and the program are united: the Function-Representation. We propose a novel model of computation based on implementing and using these Function-Representations, and we explore its potential through mathematical definitions and proofs. We also talk about different ways to organise multiple Function-Representations, and explore the kind of functions that these Function-Representations can implement. Finally, we also explore the limitations of our proposal.
- Abstract（参考訳）: 認知アーキテクチャは、人工的な認知を開発する研究の最前線です。
しかし、分離されたメモリとプログラムモデルから問題にアプローチする。
この計算モデルには、知識検索ヒューリスティックという根本的な問題がある。
本稿では,メモリとプログラムが結合した新しい計算モデルである関数表現を用いて,この問題を解決することを提案する。
本稿では,これらの関数表現の実装と利用に基づく新しい計算モデルを提案し,その可能性について数学的定義と証明を用いて検討する。
また、複数のFunction-Representationを編成するさまざまな方法について話し、これらのFunction-Representationsが実装できる関数の種類を探る。
最後に、提案の限界についても検討する。
関連論文リスト
- Solving Recurrence Relations using Machine Learning, with Application to
Cost Analysis [0.0]
我々は、任意の制約付き反復関係を解くための、新しい、一般的なアプローチを開発する。
我々の手法は、そのようなシステムでは解けない再発のクラスに対して、妥当な時間で閉形式解を見つけることができる。
論文 参考訳（メタデータ） (2023-08-30T08:55:36Z) - Generative Models as a Complex Systems Science: How can we make sense of
large language model behavior? [75.79305790453654]
事前訓練されたモデルから望ましい振る舞いを排除し、望ましくないモデルを避けながら、NLPを再定義した。
言語モデルの振る舞いをタスク間性能を説明するカテゴリに分解する体系的な取り組みについて論じる。
論文 参考訳（メタデータ） (2023-07-31T22:58:41Z) - Can Transformers Learn to Solve Problems Recursively? [9.5623664764386]
本稿では,プログラムと形式検証に関連するニューラルネットワーク学習アルゴリズムの挙動について検討する。
これらのアルゴリズムを再構築することにより、近似関数の1つに対して、障害ケースの91%を正確に予測することができる。
論文 参考訳（メタデータ） (2023-05-24T04:08:37Z) - A simple probabilistic neural network for machine understanding [0.0]
本稿では,機械理解のためのモデルとして,確率的ニューラルネットワークと内部表現の固定化について論じる。
内部表現は、それが最大関係の原理と、どのように異なる特徴が組み合わされるかについての最大無知を満たすことを要求して導出する。
このアーキテクチャを持つ学習機械は、パラメータやデータの変化に対する表現の連続性など、多くの興味深い特性を享受している、と我々は主張する。
論文 参考訳（メタデータ） (2022-10-24T13:00:15Z) - Invariant Causal Mechanisms through Distribution Matching [86.07327840293894]
本研究では、因果的視点と不変表現を学習するための新しいアルゴリズムを提供する。
実験により,このアルゴリズムは様々なタスク群でうまく動作し,特にドメインの一般化における最先端のパフォーマンスを観察する。
論文 参考訳（メタデータ） (2022-06-23T12:06:54Z) - Recall and Learn: A Memory-augmented Solver for Math Word Problems [15.550156292329229]
そこで我々は,リコールと学習の方法として,新しい人間的類似学習法を提案する。
提案するフレームワークは,メモリ,表現,アナロジー,推論のモジュールで構成されている。
論文 参考訳（メタデータ） (2021-09-27T14:59:08Z) - Model-agnostic multi-objective approach for the evolutionary discovery
of mathematical models [55.41644538483948]
現代のデータ科学では、どの部分がより良い結果を得るために置き換えられるかというモデルの性質を理解することがより興味深い。
合成データ駆動型モデル学習において,多目的進化最適化を用いてアルゴリズムの所望特性を求める。
論文 参考訳（メタデータ） (2021-07-07T11:17:09Z) - On Function Approximation in Reinforcement Learning: Optimism in the
Face of Large State Spaces [208.67848059021915]
強化学習のコアにおける探索・探索トレードオフについて検討する。
特に、関数クラス $mathcalF$ の複雑さが関数の複雑さを特徴づけていることを証明する。
私たちの後悔の限界はエピソードの数とは無関係です。
論文 参考訳（メタデータ） (2020-11-09T18:32:22Z) - UNIPoint: Universally Approximating Point Processes Intensities [125.08205865536577]
学習可能な関数のクラスが任意の有効な強度関数を普遍的に近似できることを示す。
ニューラルポイントプロセスモデルであるUNIPointを実装し,各イベントの基底関数の和をパラメータ化するために,リカレントニューラルネットワークを用いた。
論文 参考訳（メタデータ） (2020-07-28T09:31:56Z) - Genome as a functional program [0.0]
ある種の関数型プログラムのための学習モデルを導入する。
我々はダーウィン進化へのアプローチを関数型プログラミングの学習問題と考える。
論文 参考訳（メタデータ） (2020-06-05T07:58:50Z) - Invariant Feature Coding using Tensor Product Representation [75.62232699377877]
我々は,群不変特徴ベクトルが線形分類器を学習する際に十分な識別情報を含んでいることを証明した。
主成分分析やk平均クラスタリングにおいて,グループアクションを明示的に考慮する新たな特徴モデルを提案する。
論文 参考訳（メタデータ） (2019-06-05T07:15:17Z)
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。