Fugu-MT 論文翻訳(概要): Introducing COGENT3: An AI Architecture for Emergent Cognition

論文の概要: Introducing COGENT3: An AI Architecture for Emergent Cognition

arxiv url: http://arxiv.org/abs/2504.04139v1
Date: Sat, 05 Apr 2025 11:05:55 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-08 14:11:57.469988
Title: Introducing COGENT3: An AI Architecture for Emergent Cognition
Title（参考訳）: COGENT3 - 創発的認知のためのAIアーキテクチャ
Authors: Eduardo Salazar,
Abstract要約: COGENT3は、パターン形成ネットワークとグループ影響ダイナミクスを統合した創発的認知のための新しいアプローチである。 COGENT3における温度変調とメモリ効果の組み入れは、統計力学、機械学習、認知科学を密接に統合している。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: This paper presents COGENT3 (or Collective Growth and Entropy-modulated Triads System), a novel approach for emergent cognition integrating pattern formation networks with group influence dynamics. Contrasting with traditional strategies that rely on predetermined architectures, computational structures emerge dynamically in our framework through agent interactions. This enables a more flexible and adaptive system exhibiting characteristics reminiscent of human cognitive processes. The incorporation of temperature modulation and memory effects in COGENT3 closely integrates statistical mechanics, machine learning, and cognitive science.
Abstract（参考訳）: 本稿では,パターン形成ネットワークとグループ影響ダイナミクスを融合した創発的認知システムCOGENT3を提案する。所定のアーキテクチャに依存する従来の戦略とは対照的に、計算構造はエージェントインタラクションを通じて動的に台頭する。これにより、人間の認知過程を思い起こさせる特性を示す、より柔軟で適応的なシステムが可能になる。 COGENT3における温度変調とメモリ効果の組み入れは、統計力学、機械学習、認知科学を密接に統合している。

関連論文リスト

Enhanced Transformer architecture for in-context learning of dynamical systems [0.3749861135832073]
本稿では,従来のメタモデリングフレームワークを3つの重要な革新を通じて強化する。これらの修正の有効性は、Wiener-Hammerstein系クラスに焦点をあてた数値的な例を通して示される。
論文参考訳（メタデータ） (2024-10-04T10:05:15Z)
An Introduction to Cognidynamics [11.337163242503166]
textitCognidynamicsは、時間とともに課される最適な目的によって駆動される認知システムのダイナミクスである。我々は,エネルギー散逸の重要な役割とその注意機構と意識行動の焦点との関係を示す。
論文参考訳（メタデータ） (2024-08-18T05:40:07Z)
Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
論文参考訳（メタデータ） (2024-05-21T20:37:07Z)
Signed Graph Neural Ordinary Differential Equation for Modeling Continuous-time Dynamics [13.912268915939656]
グラフニューラルネットワークを通常の微分方程式と統合する一般的なアプローチは、有望な性能を示している。符号付きグラフニューラル常微分方程式は,符号付き情報の誤キャプチャの限界に十分対処する。提案したソリューションは、柔軟性と効率性の両方を誇っている。
論文参考訳（メタデータ） (2023-12-18T13:45:33Z)
Discrete, compositional, and symbolic representations through attractor dynamics [51.20712945239422]
我々は,思考の確率的言語(PLoT)に似た認知過程をモデル化するために,アトラクタダイナミクスを記号表現と統合した新しいニューラルシステムモデルを導入する。我々のモデルは、連続表現空間を、事前定義されたプリミティブに頼るのではなく、教師なし学習を通じて、記号系の意味性と構成性の特徴を反映する、記号列に対応する引き付け状態を持つ離散盆地に分割する。このアプローチは、認知操作の複雑な双対性を反映したより包括的なモデルを提供する、AIにおける表現力の証明された神経弁別可能な基質であるニューラルダイナミクスを通じて、シンボル処理とサブシンボル処理の両方を統合する統一的なフレームワークを確立する。
論文参考訳（メタデータ） (2023-10-03T05:40:56Z)
Dynamic Kernel-Based Adaptive Spatial Aggregation for Learned Image Compression [63.56922682378755]
本稿では,空間アグリゲーション機能の拡張に焦点をあて,動的カーネルベースの変換符号化を提案する。提案したアダプティブアグリゲーションはカーネルオフセットを生成し、コンテント条件付き範囲の有効な情報をキャプチャして変換を支援する。実験により,本手法は,最先端の学習手法と比較して,3つのベンチマークにおいて高い速度歪み性能が得られることを示した。
論文参考訳（メタデータ） (2023-08-17T01:34:51Z)
ETLP: Event-based Three-factor Local Plasticity for online learning with neuromorphic hardware [105.54048699217668]
イベントベース3要素局所塑性(ETLP)の計算複雑性に明らかな優位性を有する精度の競争性能を示す。また, 局所的可塑性を用いた場合, スパイキングニューロンの閾値適応, 繰り返しトポロジーは, 時間的構造が豊富な時間的パターンを学習するために必要であることを示した。
論文参考訳（メタデータ） (2023-01-19T19:45:42Z)
An Artificial Intelligence driven Learning Analytics Method to Examine the Collaborative Problem solving Process from a Complex Adaptive Systems Perspective [0.7450115015150832]
協調問題解決(CPS)は、学生グループが学習タスクを完了し、知識を構築し、問題を解決することを可能にする。従来の研究は、CPSの複雑さ、多モード性、ダイナミクス、シナジーなどを調べることの重要性を論じてきた。本研究は、オンラインインタラクション設定におけるCPSの性質を理解するために、マルチモーダルプロセスとパフォーマンスデータを収集した。
論文参考訳（メタデータ） (2022-10-28T11:13:05Z)
Towards Robust and Adaptive Motion Forecasting: A Causal Representation Perspective [72.55093886515824]
本稿では,3つの潜伏変数群からなる動的過程として,運動予測の因果的形式化を導入する。我々は、因果グラフを近似するために、不変なメカニズムやスタイルの共創者の表現を分解するモジュラーアーキテクチャを考案する。合成および実データを用いた実験結果から,提案した3つの成分は,学習した動き表現の頑健性と再利用性を大幅に向上することが示された。
論文参考訳（メタデータ） (2021-11-29T18:59:09Z)
Towards a Predictive Processing Implementation of the Common Model of Cognition [79.63867412771461]
本稿では,ニューラル生成符号化とホログラフィック連想記憶に基づく認知モデルの実装について述べる。提案システムは,多様なタスクから継続的に学習し,大規模に人的パフォーマンスをモデル化するエージェントを開発するための基盤となる。
論文参考訳（メタデータ） (2021-05-15T22:55:23Z)
An active inference model of collective intelligence [0.0]
本稿では,局所的な個人レベルの相互作用と集団的知性の関係をシミュレートする最小エージェントモデルを提案する。その結果, エージェントの局所的最適とグローバル的最適の整合性の相補的なメカニズムを提供することにより, 段階的認知遷移がシステム性能を向上させることが示された。
論文参考訳（メタデータ） (2021-04-02T14:32:01Z)

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。