論文の概要: The natural stability of autonomous morphology
- arxiv url: http://arxiv.org/abs/2411.03811v1
- Date: Wed, 06 Nov 2024 10:14:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-07 19:23:47.023298
- Title: The natural stability of autonomous morphology
- Title（参考訳）: 自律形態学の自然安定性
- Authors: Erich Round, Louise Esher, Sacha Beniamine,
- Abstract要約: 本稿では自律形態学のレジリエンスについて説明する。
解離的証拠は、形態素類が崩壊することを防ぐ反発力学を生成する。
自律的な形態学(例えば citealtAronoff など)は、むしろ摂動系に適用される推論の自然な(合理的な)過程であることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Autonomous morphology, such as inflection class systems and paradigmatic distribution patterns, is widespread and diachronically resilient in natural language. Why this should be so has remained unclear given that autonomous morphology imposes learning costs, offers no clear benefit relative to its absence and could easily be removed by the analogical forces which are constantly reshaping it. Here we propose an explanation for the resilience of autonomous morphology, in terms of a diachronic dynamic of attraction and repulsion between morphomic categories, which emerges spontaneously from a simple paradigm cell filling process. Employing computational evolutionary models, our key innovation is to bring to light the role of `dissociative evidence', i.e., evidence for inflectional distinctiveness which a rational reasoner will have access to during analogical inference. Dissociative evidence creates a repulsion dynamic which prevents morphomic classes from collapsing together entirely, i.e., undergoing complete levelling. As we probe alternative models, we reveal the limits of conditional entropy as a measure for predictability in systems that are undergoing change. Finally, we demonstrate that autonomous morphology, far from being `unnatural' (e.g. \citealt{Aronoff1994}), is rather the natural (emergent) consequence of a natural (rational) process of inference applied to inflectional systems.
- Abstract（参考訳）: インフレクション・クラス・システムやパラダイム的分布パターンのような自律的な形態学は、自然言語において広く、相互にレジリエントである。
自律的な形態学が学習コストを課し、その欠如に対して明確な利益を提供しておらず、常に形を変える類推力によって容易に取り除かれることを考えると、なぜそうすべきなのかはいまだ不明である。
本稿では, 自律型形態学のレジリエンスを, 単純なパラダイムセル充填プロセスから自然に出現する形態素カテゴリー間の誘引と反発のダイアクロニックダイナミクスの観点から説明する。
計算進化モデルを利用することで、我々の重要な革新は「解離的証拠」の役割、すなわち、論理的推論者が類推中にアクセスする帰納的特異性の証拠に光を当てることである。
解離的エビデンス(dissociative evidence)は、モーフィズムクラスが完全に崩壊するのを防ぐ反発力学(英語版)を生成する。
代替モデルを探索する際、変化中のシステムにおける予測可能性の尺度として条件エントロピーの限界を明らかにする。
最後に、自律的な形態学は「自然」(e g \citealt{Aronoff 1994})とは程遠いが、むしろ自然な(合理的な)推論過程の帰結であることを示した。
関連論文リスト
- Sequential Representation Learning via Static-Dynamic Conditional Disentanglement [58.19137637859017]
本稿では,ビデオ中の時間非依存要因と時間変化要因を分離することに着目し,逐次的データ内での自己教師付き不整合表現学習について検討する。
本稿では,静的/動的変数間の因果関係を明示的に考慮し,それらの因子間の通常の独立性仮定を破る新しいモデルを提案する。
実験により、提案手法は、シーンのダイナミックスが内容に影響されるシナリオにおいて、従来の複雑な最先端技術よりも優れていることが示された。
論文 参考訳（メタデータ） (2024-08-10T17:04:39Z) - Representation Surgery: Theory and Practice of Affine Steering [72.61363182652853]
言語モデルは、しばしば好ましくない振る舞いを示す。
モデルが望ましくない振る舞いを示すのを防ぐための自然な(そして一般的な)アプローチの1つは、モデルの表現を操ることである。
本稿では, ステアリング機能の形式的および経験的特性について検討する。
論文 参考訳（メタデータ） (2024-02-15T00:20:30Z) - Spontaneous localisation from a coarse-grained deterministic and
non-unitary dynamics [0.0]
波動関数の崩壊は、量子重ね合わせの原理と決定論的進化に反するように見える。
客観的崩壊モデル(Objective collapse model)は、シュル・オーディンガー方程式に非単項的かつノルム保存的な修正を加えることによって、この現象を動的に説明することを提案する。
論文 参考訳（メタデータ） (2023-05-11T10:32:23Z) - Feedback-induced interactive dynamics: unitary but dissipative evolution [0.0]
測定フィードバックと時間的離散化は、ユニタリだが散逸的な進化を特徴とする新しいタイプの量子力学を生み出す可能性があることを示す。
自発対称性の破れを持つ非平衡定常状態は、ゼロ次元(単量子)系で明らかにされる。
論文 参考訳（メタデータ） (2022-11-17T02:05:10Z) - Growing Isotropic Neural Cellular Automata [63.91346650159648]
我々は、元のGrowing NCAモデルには、学習された更新規則の異方性という重要な制限があると主張している。
細胞系は2つの方法のいずれかによって、正確な非対称パターンを成長させる訓練が可能であることを実証する。
論文 参考訳（メタデータ） (2022-05-03T11:34:22Z) - The role of attraction-repulsion dynamics in simulating the emergence of
inflectional class systems [0.0]
Ackerman & Malouf は、アトラクションのみのダイナミクスの作用により、屈折系が障害を減少させるモデルを提示している。
ここでは,(1)誘引のみのモデルでは,必然的にすべての変動を除去するため,真の屈折系を特徴付ける構造的多様性を進化させることができず,(2)アトラクションと反発の両方を持つモデルにより,屈折クラスなどの形態的構造を顕著に再現するシステムの出現が可能となる。
論文 参考訳（メタデータ） (2021-11-16T13:39:26Z) - Natural-gradient learning for spiking neurons [0.0]
シナプス可塑性に関する多くの規範的理論では、重みの更新は、選択された重みのパラメトリゼーションに暗黙的に依存する。
可塑性は自然勾配に従えばよいと提案する。
論文 参考訳（メタデータ） (2020-11-23T20:26:37Z) - Gradient Starvation: A Learning Proclivity in Neural Networks [97.02382916372594]
グラディエント・スターベーションは、タスクに関連する機能のサブセットのみをキャプチャすることで、クロスエントロピー損失を最小化するときに発生する。
この研究は、ニューラルネットワークにおけるそのような特徴不均衡の出現に関する理論的説明を提供する。
論文 参考訳（メタデータ） (2020-11-18T18:52:08Z) - Why Adversarial Interaction Creates Non-Homogeneous Patterns: A
Pseudo-Reaction-Diffusion Model for Turing Instability [10.933825676518195]
交叉相互作用を持つニューロン系のチューリング様パターンを観察する。
本稿では,これらの現象を過小評価するメカニズムを説明するための擬似反応拡散モデルを提案する。
論文 参考訳（メタデータ） (2020-10-01T16:09:22Z) - Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable
Dynamical Systems [74.80320120264459]
本研究では、限られた数の人間の実演からそのような動きを学ぶためのアプローチを提案する。
複素運動は安定な力学系のロールアウトとして符号化される。
このアプローチの有効性は、確立されたベンチマーク上での検証と、現実世界のロボットシステム上で収集されたデモによって実証される。
論文 参考訳（メタデータ） (2020-05-27T03:51:57Z) - Paradigm Completion for Derivational Morphology [48.405826282007]
派生形態学はNLPでは見落とされた問題である。
本稿では、帰納的パラダイム補完の課題を、帰納的パラダイム補完の並列化として紹介する。
我々は、最先端のニューラルモデルが様々な派生パターンを学習でき、非神経ベースラインを16.4%上回っていることを示す。
論文 参考訳（メタデータ） (2017-08-30T07:55:57Z)
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。