論文の概要: Discovering dynamical laws for speech gestures

• arxiv url: http://arxiv.org/abs/2504.04849v1
• Date: Mon, 07 Apr 2025 09:03:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-08 14:10:35.778867
• Title: Discovering dynamical laws for speech gestures
• Title（参考訳）: 音声ジェスチャーにおける動的法則の発見
• Authors: Sam Kirkham,
• Abstract要約: 音声中の調音動作を規定する記号方程式の形でモデルを発見する。 スパースシンボル回帰アルゴリズムは、舌と唇の運動データからモデルを発見するために用いられる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: A fundamental challenge in the cognitive sciences is discovering the dynamics that govern behaviour. Take the example of spoken language, which is characterised by a highly variable and complex set of physical movements that map onto the small set of cognitive units that comprise language. What are the fundamental dynamical principles behind the movements that structure speech production? In this study, we discover models in the form of symbolic equations that govern articulatory gestures during speech. A sparse symbolic regression algorithm is used to discover models from kinematic data on the tongue and lips. We explore these candidate models using analytical techniques and numerical simulations, and find that a second-order linear model achieves high levels of accuracy, but a nonlinear force is required to properly model articulatory dynamics in approximately one third of cases. This supports the proposal that an autonomous, nonlinear, second-order differential equation is a viable dynamical law for articulatory gestures in speech. We conclude by identifying future opportunities and obstacles in data-driven model discovery and outline prospects for discovering the dynamical principles that govern language, brain and behaviour.
• Abstract（参考訳）: 認知科学における根本的な課題は、行動を管理するダイナミクスを発見することである。 言語を構成する認知単位の小さなセットにマッピングする、高度に可変で複雑な物理運動のセットによって特徴づけられる音声言語の例を例にとりましょう。 音声生成を構成する運動の背後にある基本的な力学原理は何か。 本研究では,音声中の調音動作を規定する記号方程式の形でのモデルを見いだす。 スパースシンボル回帰アルゴリズムは、舌と唇の運動データからモデルを発見するために用いられる。 解析手法と数値シミュレーションを用いてこれらの候補モデルを探索し, 2階線形モデルが高い精度を達成することを確認するが, 約3分の1のケースで調音力学を適切にモデル化するには非線形力が必要である。 このことは、自律的、非線形、二階微分方程式は、音声の調音ジェスチャーに対して実行可能な動的法則である、という提案を支持する。 我々は、データ駆動モデル発見における将来の機会と障害を特定し、言語、脳、行動を支配する動的な原則を発見するための見通しを概説する。

関連論文リスト

• Solvable Dynamics of Self-Supervised Word Embeddings and the Emergence of Analogical Reasoning [3.519547280344187]
  本稿では,2次単語埋め込みモデルという,可解なコントラスト付き自己教師付きアルゴリズムのクラスについて検討する。 我々の解は、これらのモデルが1度に1つの線型部分空間を学習し、それぞれがモデル容量が飽和するまで、埋め込みの効果的なランクを増すことを示した。 我々は、動的理論を用いて、モデルがアナログを完遂する能力をどのように、いつ取得するかを予測する。
  論文  参考訳（メタデータ） (2025-02-14T02:16:48Z)
• No Equations Needed: Learning System Dynamics Without Relying on Closed-Form ODEs [56.78271181959529]
  本稿では,従来の2段階モデリングプロセスから離れることで,低次元力学系をモデル化する概念シフトを提案する。 最初に閉形式方程式を発見して解析する代わりに、我々のアプローチ、直接意味モデリングは力学系の意味表現を予測する。 私たちのアプローチは、モデリングパイプラインを単純化するだけでなく、結果のモデルの透明性と柔軟性も向上します。
  論文  参考訳（メタデータ） (2025-01-30T18:36:48Z)
• Scaling laws for nonlinear dynamical models of articulatory control [0.0]
  タスク動的モデルに非線形復元力を加えることで、パラメータ化と解釈可能性の課題がもたらされることを示す。 スケーリング法則を立方体モデルに適用し,それらが調音力学の解釈可能なシミュレーションを促進する方法を示す。
  論文  参考訳（メタデータ） (2024-11-19T18:38:01Z)
• In-Context Language Learning: Architectures and Algorithms [73.93205821154605]
  我々は、文脈言語学習(ICLL)において、私たちが用語する新しいモデル問題群(英語版)のレンズを通してICLを研究する。 我々は,通常のICLLタスクにおいて,多種多様なニューラルシーケンスモデルを評価する。
  論文  参考訳（メタデータ） (2024-01-23T18:59:21Z)
• Interpretable Imitation Learning with Dynamic Causal Relations [65.18456572421702]
  得られた知識を有向非巡回因果グラフの形で公開することを提案する。 また、この因果発見プロセスを状態依存的に設計し、潜在因果グラフのダイナミクスをモデル化する。 提案するフレームワークは,動的因果探索モジュール,因果符号化モジュール,予測モジュールの3つの部分から構成され,エンドツーエンドで訓練される。
  論文  参考訳（メタデータ） (2023-09-30T20:59:42Z)
• Neural Implicit Representations for Physical Parameter Inference from a Single Video [49.766574469284485]
  本稿では,外見モデルのためのニューラル暗黙表現と,物理現象をモデル化するためのニューラル常微分方程式(ODE)を組み合わせることを提案する。 提案モデルでは,大規模なトレーニングデータセットを必要とする既存のアプローチとは対照的に,単一のビデオから物理的パラメータを識別することが可能になる。 ニューラル暗示表現を使用することで、高解像度ビデオの処理とフォトリアリスティック画像の合成が可能になる。
  論文  参考訳（メタデータ） (2022-04-29T11:55:35Z)
• Constructing Neural Network-Based Models for Simulating Dynamical Systems [59.0861954179401]
  データ駆動モデリングは、真のシステムの観測からシステムの力学の近似を学ぼうとする代替パラダイムである。 本稿では,ニューラルネットワークを用いた動的システムのモデル構築方法について検討する。 基礎的な概要に加えて、関連する文献を概説し、このモデリングパラダイムが克服すべき数値シミュレーションから最も重要な課題を概説する。
  論文  参考訳（メタデータ） (2021-11-02T10:51:42Z)
• Uncovering Closed-form Governing Equations of Nonlinear Dynamics from Videos [8.546520029145853]
  本稿では,動画中の移動物体の力学を規定する方程式の数学的構造を明らかにするために,新しいエンドツーエンドの非教師なしディープラーニングフレームワークを提案する。 このようなアーキテクチャは,(1)移動物体の低次元空間/画素座標を学習するエンコーダ・デコーダネットワーク,(2)抽出された空間/画素座標と動的の潜在物理状態とのマッピングを生成する学習可能な空間-物理変換コンポーネント,(3)学習された物理状態の擬似閉形式支配方程式を明らかにする数値積分器ベースのスパース回帰モジュールからなる。
  論文  参考訳（メタデータ） (2021-06-09T02:50:11Z)
• Implicit Representations of Meaning in Neural Language Models [31.71898809435222]
  会話を通して進化する実体や状況のモデルとして機能する文脈表現を同定する。 その結果,事前学習されたニューラルネットワークモデルにおける予測は,少なくとも部分的には,意味の動的表現と実体状態の暗黙的なシミュレーションによって支持されていることが示唆された。
  論文  参考訳（メタデータ） (2021-06-01T19:23:20Z)
• Discovery of Nonlinear Dynamical Systems using a Runge-Kutta Inspired Dictionary-based Sparse Regression Approach [9.36739413306697]
  機械学習と辞書ベースの学習を数値解析ツールと組み合わせ,微分方程式の制御を探索する。 我々は、サンプリング体制を超えてよりよく一般化しやすい解釈可能で準同型モデルを得る。 生物ネットワークに通常現れる有理非線形性を含む支配方程式の拡張について論じる。
  論文  参考訳（メタデータ） (2021-05-11T08:46:51Z)
• Context-aware Dynamics Model for Generalization in Model-Based Reinforcement Learning [124.9856253431878]
  グローバルなダイナミクスモデルを学習するタスクを,(a)ローカルなダイナミクスをキャプチャするコンテキスト潜在ベクトルを学習し,(b)次に条件付き状態を予測するという2つの段階に分割する。 本研究では,コンテキスト潜在ベクトルに動的情報をエンコードするために,コンテキスト潜在ベクトルを前方と後方の両方のダイナミクスを予測するのに役立つような新しい損失関数を導入する。 提案手法は,既存のRL方式と比較して,様々なシミュレーションロボットや制御タスクの一般化能力に優れる。
  論文  参考訳（メタデータ） (2020-05-14T08:10:54Z)

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。