論文の概要: Structure Transfer: an Inference-Based Calculus for the Transformation of Representations
- arxiv url: http://arxiv.org/abs/2509.03249v1
- Date: Wed, 03 Sep 2025 12:07:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-04 21:40:46.509851
- Title: Structure Transfer: an Inference-Based Calculus for the Transformation of Representations
- Title（参考訳）: 構造伝達:表現の変換のための推論に基づく計算
- Authors: Daniel Raggi, Gem Stapleton, Mateja Jamnik, Aaron Stockdill, Grecia Garcia Garcia, Peter C-H. Cheng,
- Abstract要約: 主要な未解決問題は、表現変換と選択を駆動するテキスト表現システム(RS)技術をどのように考案するかである。
本稿では,多種多様RS間の表現変換を可能にする,テクスト構造変換と呼ばれる新しい計算法を提案する。
- 参考スコア（独自算出の注目度）: 20.889971883203113
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Representation choice is of fundamental importance to our ability to communicate and reason effectively. A major unsolved problem, addressed in this paper, is how to devise \textit{representational-system (RS) agnostic} techniques that drive representation transformation and choice. We present a novel calculus, called \textit{structure transfer}, that enables representation transformation across diverse RSs. Specifically, given a \textit{source} representation drawn from a source RS, the rules of structure transfer allow us to generate a \textit{target} representation for a target RS. The generality of structure transfer comes in part from its ability to ensure that the source representation and the generated target representation satisfy \textit{any} specified relation (such as semantic equivalence). This is done by exploiting \textit{schemas}, which encode knowledge about RSs. Specifically, schemas can express \textit{preservation of information} across relations between any pair of RSs, and this knowledge is used by structure transfer to derive a structure for the target representation which ensures that the desired relation holds. We formalise this using Representational Systems Theory~\cite{raggi2022rst}, building on the key concept of a \textit{construction space}. The abstract nature of construction spaces grants them the generality to model RSs of diverse kinds, including formal languages, geometric figures and diagrams, as well as informal notations. Consequently, structure transfer is a system-agnostic calculus that can be used to identify alternative representations in a wide range of practical settings.
- Abstract（参考訳）: 表現の選択は、コミュニケーションと推論を効果的に行う能力に不可欠です。
本稿では,表現変換と選択を駆動する<textit{representational-system (RS) agnostic}テクニックの考案方法について述べる。
本稿では,多様なRSをまたいだ表現変換を可能にする新しい計算法である「textit{structure transfer}」を提案する。
具体的には、ソース RS から引き出された \textit{source} 表現が与えられた場合、構造転送の規則により、ターゲット RS に対して \textit{target} 表現を生成することができる。
構造転移の一般性は、ソース表現と生成されたターゲット表現が \textit{any} の特定の関係(意味的同値性など)を満たすことを確実にする能力から生じる。
これは RS に関する知識をエンコードする \textit{schemas} を利用して行われる。
具体的には、スキーマは、任意の一対のRS間の関係で \textit{preservation of information} を表現することができ、この知識は、所望の関係が保持されることを保証するターゲット表現の構造を導出するために構造移動によって使用される。
Representational Systems Theory~\cite{raggi2022rst} を用いてこれを定式化する。
構成空間の抽象的性質は、形式言語、幾何学的図形、図形、および非公式表記を含む様々な種類のRSをモデル化する一般性を与える。
したがって、構造移動はシステムに依存しない計算であり、幅広い実用的な設定で代替表現を識別するのに使うことができる。
関連論文リスト
- Sparsification and Reconstruction from the Perspective of Representation Geometry [10.834177456685538]
スパースオートエンコーダ (SAE) は機械的解釈可能性において主要なツールである。
本研究は,表現幾何学の観点から,空間の原理を説明する。
具体的には、表現を理解し、表現の制約を取り入れることの必要性を強調している。
論文 参考訳（メタデータ） (2025-05-28T15:54:33Z) - Structured Representation [2.4214136080186233]
不変構造は、特に抽象的な知識空間内の関係経路の閉包によって定義される分割として、知識が存在する場所である必要がある。
これらの分割はコア不変表現として機能し、知識が保存され学習が行われる構造基板を形成する。
我々は、線形代数的構造である閉半環に基づく不変分割の構造的表現の計算基盤を定式化する。
論文 参考訳（メタデータ） (2025-05-17T21:26:05Z) - CoordGAN: Self-Supervised Dense Correspondences Emerge from GANs [129.51129173514502]
本稿では,各生成画像の高密度対応マップを学習する構造テクスチャ不整合GANであるCoordinate GAN(CoordGAN)を紹介する。
提案するジェネレータは,既存手法に比べて構造とテクスチャの絡み合いが良くなることを示す。
論文 参考訳（メタデータ） (2022-03-30T17:55:09Z) - Frame Averaging for Equivariant Shape Space Learning [85.42901997467754]
形状空間学習に対称性を組み込む自然な方法は、形状空間(エンコーダ)への写像と形状空間(デコーダ)からの写像が関連する対称性に同値であることを問うことである。
本稿では,2つのコントリビューションを導入することで,エンコーダとデコーダの等価性を組み込む枠組みを提案する。
論文 参考訳（メタデータ） (2021-12-03T06:41:19Z) - Quiver Signal Processing (QSP) [145.6921439353007]
キーバー表現に関する信号処理フレームワークの基礎を述べる。
ネットワークにおける異種多次元情報を扱うための信号処理フレームワークを提案する。
論文 参考訳（メタデータ） (2020-10-22T08:40:15Z) - Unsupervised Distillation of Syntactic Information from Contextualized
Word Representations [62.230491683411536]
我々は,ニューラルネットワーク表現における意味論と構造学の非教師なしの絡み合いの課題に取り組む。
この目的のために、構造的に類似しているが意味的に異なる文群を自動的に生成する。
我々は、我々の変換クラスタベクトルが、語彙的意味論ではなく構造的特性によって空間に現れることを実証する。
論文 参考訳（メタデータ） (2020-10-11T15:13:18Z) - From Spatial Relations to Spatial Configurations [64.21025426604274]
空間関係言語は、推論に不可欠な、大きく包括的な空間概念の集合を表現することができる。
本稿では,既存の空間表現言語の機能を,セマンティクスのきめ細かい分解によって拡張する方法について述べる。
論文 参考訳（メタデータ） (2020-07-19T02:11:53Z) - Structured (De)composable Representations Trained with Neural Networks [21.198279941828112]
テンプレート表現は、クラス全体の特性をキャプチャするジェネリック表現を指す。
提案手法は、エンドツーエンドのディープラーニングを用いて、入力画像と離散ラベルから構造化および構成可能な表現を学習する。
表現には明確な構造があることを証明し、表現をクラスや環境を表す因子に分解する。
論文 参考訳（メタデータ） (2020-07-07T10:20:31Z) - Building powerful and equivariant graph neural networks with structural
message-passing [74.93169425144755]
本稿では,2つのアイデアに基づいた,強力かつ同変なメッセージパッシングフレームワークを提案する。
まず、各ノードの周囲の局所的コンテキスト行列を学習するために、特徴に加えてノードの1ホット符号化を伝搬する。
次に,メッセージのパラメトリゼーション手法を提案する。
論文 参考訳（メタデータ） (2020-06-26T17:15:16Z) - Vector symbolic architectures for context-free grammars [0.5862282909017474]
ベクトル記号アーキテクチャ(VSA)は、記号データの超次元表現に有効なアプローチである。
本稿では,Fock空間における句構造木と文脈自由文法(CFG)の構文木を表現するための厳密な枠組みを提案する。
我々のアプローチは、超次元ディープニューラル計算を用いて、説明可能な人工知能(XAI)のためのVSAの開発を活用することができる。
論文 参考訳（メタデータ） (2020-03-11T09:07:02Z)
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。