論文の概要: SNN-Based Online Learning of Concepts and Action Laws in an Open World

• arxiv url: http://arxiv.org/abs/2411.12308v1
• Date: Tue, 19 Nov 2024 07:49:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-20 13:38:35.453150
• Title: SNN-Based Online Learning of Concepts and Action Laws in an Open World
• Title（参考訳）: オープンワールドにおける概念と行動法則のオンライン学習
• Authors: Christel Grimaud, Dominique Longin, Andreas Herzig,
• Abstract要約: スパイキングニューラルネットワーク(SNN)を中心に構築された完全自律型バイオインスパイアされた認知エージェントのアーキテクチャについて述べる。 エージェントは宇宙を探索し、物体や位置の概念と自身の行動を1ショットで学習する。 実験の結果, エージェントは学習済みの一般的な概念にアピールし, 環境変化に適応するためにその概念を迅速に修正することで, 新たな状況に対処できることが示唆された。
• 参考スコア（独自算出の注目度）: 5.96034042844202
• License:
• Abstract: We present the architecture of a fully autonomous, bio-inspired cognitive agent built around a spiking neural network (SNN) implementing the agent's semantic memory. The agent explores its universe and learns concepts of objects/situations and of its own actions in a one-shot manner. While object/situation concepts are unary, action concepts are triples made up of an initial situation, a motor activity, and an outcome. They embody the agent's knowledge of its universe's actions laws. Both kinds of concepts have different degrees of generality. To make decisions the agent queries its semantic memory for the expected outcomes of envisaged actions and chooses the action to take on the basis of these predictions. Our experiments show that the agent handles new situations by appealing to previously learned general concepts and rapidly modifies its concepts to adapt to environment changes.
• Abstract（参考訳）: エージェントのセマンティックメモリを実装するスパイキングニューラルネットワーク(SNN)を中心に構築された,完全自律型バイオインスパイアされた認知エージェントのアーキテクチャを提案する。 エージェントは宇宙を探索し、物体や位置の概念と自身の行動を1ショットで学習する。 対象/位置の概念は一意であるが、行動概念は初期状態、運動活動、結果からなる三重項である。 彼らは宇宙の行動法則に関するエージェントの知識を具現化している。 どちらの概念も一般性は異なる。 決定を行うために、エージェントは、想定される行動の結果に対してセマンティックメモリをクエリし、これらの予測に基づいて行動を選択する。 実験の結果, エージェントは学習済みの一般的な概念にアピールし, 環境変化に適応するためにその概念を迅速に修正することで, 新たな状況に対処できることが示唆された。

関連論文リスト

• LLM-assisted Concept Discovery: Automatically Identifying and Explaining Neuron Functions [15.381209058506078]
  以前の研究は、概念の例や事前に定義された概念のセットに基づいて、ニューロンに関連づけられた概念を持っている。 本稿では,マルチモーダルな大規模言語モデルを用いて,自動的かつオープンな概念発見を提案する。 我々は,この新たな画像に対して,サンプルと反例を生成し,ニューロンの反応を評価することにより,それぞれの概念を検証する。
  論文  参考訳（メタデータ） (2024-06-12T18:19:37Z)
• Dynamic planning in hierarchical active inference [0.0]
  人間の脳が認知決定に関連する運動軌跡を推論し、導入する能力について述べる。 本研究では,アクティブ推論における動的計画の話題に焦点を当てた。
  論文  参考訳（メタデータ） (2024-02-18T17:32:53Z)
• Active Inference as a Model of Agency [1.9019250262578857]
  生物エージェントが世界とどのように相互作用するかという物理的に健全な仮定に従う行動は、探索と搾取を統合していることを示す。 能動推論として知られるこの記述は、神経科学から派生した行動と知覚のための一般的な記述的枠組みである自由エネルギー原理を洗練させる。
  論文  参考訳（メタデータ） (2024-01-23T17:09:25Z)
• Learning Theory of Mind via Dynamic Traits Attribution [59.9781556714202]
  本稿では,過去のトラジェクトリからアクターの潜在特性ベクトルを生成するニューラルToMアーキテクチャを提案する。 この特性ベクトルは、予測ニューラルネットワークの高速重み付けスキームを介して予測機構を乗法的に変調する。 実験により,高速重量はエージェントの特性をモデル化し,マインドリーディング能力を向上させるために優れた誘導バイアスを与えることが示された。
  論文  参考訳（メタデータ） (2022-04-17T11:21:18Z)
• A-ACT: Action Anticipation through Cycle Transformations [89.83027919085289]
  未来を予測できる人間の能力が、機械学習アルゴリズムにどのように移行できるかを分析するために、一歩後退します。 人間の心理学に関する最近の研究は、発生を予測して、人間の脳が両方のシステムにカウントされていることを説明している。 本研究では,行動予測作業における各システムの影響について検討し,学習フレームワークに統合するためのパラダイムを導入する。
  論文  参考訳（メタデータ） (2022-04-02T21:50:45Z)
• Unsupervised Learning of Compositional Energy Concepts [70.11673173291426]
  本稿では,概念を別個のエネルギー関数として発見し,表現するCOMETを提案する。 Cometは、統一されたフレームワークの下でのオブジェクトだけでなく、グローバルな概念も表現します。
  論文  参考訳（メタデータ） (2021-11-04T17:46:12Z)
• Bootstrapping Concept Formation in Small Neural Networks [2.580765958706854]
  まず、概念は閉じた表現として形成され、それらを相互に関連付けることによって統合される、と我々は主張する。 本稿では,現実的な学習ルールを用いて,エージェントが仮想行動を行う環境からのフィードバックのみを受信する,小さなニューラルネットワークを備えたモデルシステム(エージェント)を提案する。
  論文  参考訳（メタデータ） (2021-10-26T12:58:27Z)
• Backprop-Free Reinforcement Learning with Active Neural Generative Coding [84.11376568625353]
  動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。 我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。 我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-10T19:02:27Z)
• AGENT: A Benchmark for Core Psychological Reasoning [60.35621718321559]
  直観心理学は、観察可能な行動を駆動する隠された精神変数を推論する能力です。 他のエージェントを推論する機械エージェントに対する近年の関心にもかかわらず、そのようなエージェントが人間の推論を駆動するコア心理学の原則を学ぶか保持するかは明らかではない。 本稿では,プロシージャが生成する3dアニメーション,エージェントを4つのシナリオで構成したベンチマークを提案する。
  論文  参考訳（メタデータ） (2021-02-24T14:58:23Z)
• HALMA: Humanlike Abstraction Learning Meets Affordance in Rapid Problem Solving [104.79156980475686]
  人間は自然主義的タスクの構造に応じて構成的および因果的抽象化、つまり知識を学ぶ。 エージェントがその知識をどのように表現するかには、知覚、概念、アルゴリズムの3段階の一般化がある、と我々は主張する。 このベンチマークは、ビジュアルコンセプト開発と迅速な問題解決のための新しいタスクドメイン、HALMAを中心にしています。
  論文  参考訳（メタデータ） (2021-02-22T20:37:01Z)
• Learning intuitive physics and one-shot imitation using state-action-prediction self-organizing maps [0.0]
  人間は探索と模倣によって学び、世界の因果モデルを構築し、両方を使って新しいタスクを柔軟に解決する。 このような特徴を生み出す単純だが効果的な教師なしモデルを提案する。 エージェントがアクティブな推論スタイルで柔軟に解決する、複数の関連するが異なる1ショットの模倣タスクに対して、その性能を示す。
  論文  参考訳（メタデータ） (2020-07-03T12:29:11Z)

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。