論文の概要: Examining Reject Relations in Stimulus Equivalence Simulations
- arxiv url: http://arxiv.org/abs/2507.00265v1
- Date: Mon, 30 Jun 2025 21:15:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-03 14:22:58.930405
- Title: Examining Reject Relations in Stimulus Equivalence Simulations
- Title（参考訳）: 刺激等価性シミュレーションにおけるリジェクト関係の検討
- Authors: Alexis Carrillo, Asieh Abolpour Mofrad, Anis Yazidi, Moises Betancort,
- Abstract要約: 本研究では,計算モデルを用いた刺激等価性獲得における拒絶関係の役割について検討する。
条件は、トレーニング構造(リニアシリーズ、ワンツーマン、多対ワン)、関係型(セレクトオン、リジェクションオンリー、セレクトリジェクト)、ネガティブ比較選択に変化した。
- 参考スコア（独自算出の注目度）: 3.5311192362418677
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Simulations offer a valuable tool for exploring stimulus equivalence (SE), yet the potential of reject relations to disrupt the assessment of equivalence class formation is contentious. This study investigates the role of reject relations in the acquisition of stimulus equivalence using computational models. We examined feedforward neural networks (FFNs), bidirectional encoder representations from transformers (BERT), and generative pre-trained transformers (GPT) across 18 conditions in matching-to-sample (MTS) simulations. Conditions varied in training structure (linear series, one-to-many, and many-to-one), relation type (select-only, reject-only, and select-reject), and negative comparison selection (standard and biased). A probabilistic agent served as a benchmark, embodying purely associative learning. The primary goal was to determine whether artificial neural networks could demonstrate equivalence class formation or whether their performance reflected associative learning. Results showed that reject relations influenced agent performance. While some agents achieved high accuracy on equivalence tests, particularly with reject relations and biased negative comparisons, this performance was comparable to the probabilistic agent. These findings suggest that artificial neural networks, including transformer models, may rely on associative strategies rather than SE. This underscores the need for careful consideration of reject relations and more stringent criteria in computational models of equivalence.
- Abstract（参考訳）: シミュレーションは、刺激等値性(SE)を探索するための貴重なツールを提供するが、同値性クラスの形成を阻害する関係を拒絶する可能性には異論がある。
本研究では,計算モデルを用いた刺激等価性獲得における拒絶関係の役割について検討する。
MTSシミュレーションにおいて、フィードフォワードニューラルネットワーク(FFN)、変換器(BERT)からの双方向エンコーダ表現、および18条件にわたる生成事前学習変換器(GPT)について検討した。
条件は、トレーニング構造(リニアシリーズ、ワンツーマン、多ツーワン)、関係型(セレクトオン、リジェクションオンリー、セレクトリジェクト)、ネガティブ比較選択(標準およびバイアス)に変化した。
確率的エージェントは、純粋に連想学習を具現化したベンチマークとして機能した。
第一の目的は、ニューラルネットワークが同値クラスの形成を証明できるかどうか、あるいはそれらの性能が連想学習を反映しているかどうかを判断することであった。
その結果, 拒絶関係はエージェントのパフォーマンスに影響を及ぼした。
一部のエージェントは同値性試験において高い精度を達成し、特に拒絶関係と負の相関で評価したが、この性能は確率的エージェントに匹敵するものであった。
これらの結果から,トランスフォーマーモデルを含む人工ニューラルネットワークは,SEよりも連想戦略に依存している可能性が示唆された。
このことは、同値の計算モデルにおいて、拒絶関係の慎重な考慮とより厳密な基準の必要性を浮き彫りにしている。
関連論文リスト
- Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。
我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
論文 参考訳（メタデータ） (2023-12-27T09:03:43Z) - Time-series Generation by Contrastive Imitation [87.51882102248395]
モーメントマッチングの目的によってモチベーションされ、複合的エラーを軽減し、局所的(しかし前方的な)遷移ポリシーを最適化する。
推論において、学習されたポリシーは反復的なサンプリングのジェネレータとして機能し、学習されたエネルギーはサンプルの品質を評価するための軌道レベル尺度として機能する。
論文 参考訳（メタデータ） (2023-11-02T16:45:25Z) - Explicit Tradeoffs between Adversarial and Natural Distributional
Robustness [48.44639585732391]
実際、モデルは信頼性を確保するために両方のタイプの堅牢さを享受する必要があります。
本研究では, 対角線と自然分布の強靭性の間には, 明らかなトレードオフが存在することを示す。
論文 参考訳（メタデータ） (2022-09-15T19:58:01Z) - A Statistical-Modelling Approach to Feedforward Neural Network Model Selection [0.8287206589886881]
フィードフォワードニューラルネットワーク(FNN)は非線形回帰モデルと見なすことができる。
FNNのためのベイズ情報基準(BIC)を用いて,新しいモデル選択法を提案する。
サンプル外性能よりもBICを選択することは、真のモデルを回復する確率を増大させる。
論文 参考訳（メタデータ） (2022-07-09T11:07:04Z) - CONVIQT: Contrastive Video Quality Estimator [63.749184706461826]
知覚ビデオ品質評価(VQA)は、多くのストリーミングおよびビデオ共有プラットフォームにおいて不可欠な要素である。
本稿では,視覚的に関連のある映像品質表現を自己指導的に学習する問題について考察する。
本研究は, 自己教師型学習を用いて, 知覚力による説得力のある表現が得られることを示す。
論文 参考訳（メタデータ） (2022-06-29T15:22:01Z) - A Correlation-Ratio Transfer Learning and Variational Stein's Paradox [7.652701739127332]
本稿では,モデル間の正確な関係を構築するために,線形相関比という新たな戦略を提案する。
実用面では、新しいフレームワークはいくつかのアプリケーションシナリオ、特にデータストリームと医学研究の分野に適用されます。
論文 参考訳（メタデータ） (2022-06-10T01:59:16Z) - Relation-aware Graph Attention Model With Adaptive Self-adversarial
Training [29.240686573485718]
本稿では,不均一なマルチリレーショナルグラフにおける関係予測タスクのエンドツーエンドソリューションについて述べる。
特にパイプライン内の2つのビルディングブロック、すなわちヘテロジニアスグラフ表現学習と負のサンプリングに対処する。
パラメータフリーな負のサンプリング手法であるadaptive self-adversarial (asa) 負のサンプリングを導入する。
論文 参考訳（メタデータ） (2021-02-14T16:11:56Z) - Pairwise Supervision Can Provably Elicit a Decision Boundary [84.58020117487898]
類似性学習は、パターンのペア間の関係を予測することによって有用な表現を引き出す問題である。
類似性学習は、決定境界を直接引き出すことによって二項分類を解くことができることを示す。
論文 参考訳（メタデータ） (2020-06-11T05:35:16Z) - Learning from Aggregate Observations [82.44304647051243]
本研究では,一組のインスタンスに監視信号が与えられる集合観察から学習する問題について検討する。
本稿では,多種多様な集合観測に適合する一般的な確率的枠組みを提案する。
単純な極大解は様々な微分可能なモデルに適用できる。
論文 参考訳（メタデータ） (2020-04-14T06:18:50Z) - NestedVAE: Isolating Common Factors via Weak Supervision [45.366986365879505]
我々は、バイアス低減の課題と、ドメイン間で共通する分離要因の関係を同定する。
共通因子を分離するために、潜伏変数モデルの理論と情報ボトルネック理論を組み合わせる。
共有重みを持つ2つの外部VAEは入力を再構成し、潜伏空間を推論し、一方、ネストされたVAEはペア化された画像の潜伏表現から1つの画像の潜伏表現を再構成しようとする。
論文 参考訳（メタデータ） (2020-02-26T15:49:57Z)
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。