論文の概要: Object-Centric Case-Based Reasoning via Argumentation

• arxiv url: http://arxiv.org/abs/2510.00185v1
• Date: Tue, 30 Sep 2025 19:04:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:20.217599
• Title: Object-Centric Case-Based Reasoning via Argumentation
• Title（参考訳）: 具体化によるオブジェクト中心のケースベース推論
• Authors: Gabriel de Olim Gaul, Adam Gould, Avinash Kori, Francesca Toni,
• Abstract要約: Slot Attention Argumentation for Case-Based Reasoning (SAA-CBR)は、画像分類のためのニューラルシンボリックパイプラインであり、神経スロットアテンション(SA)コンポーネントを介して物体中心学習を統合する。 本稿では,AA-CBRとニューラルコンポーネントの新たな統合について検討する。機能の組み合わせ戦略,代表サンプルによるケースベース削減,新しいカウントベース部分順序,AA-CBRのバイポーラ版であるSupported AA-CBRの適用などだ。
• 参考スコア（独自算出の注目度）: 15.635254331470486
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We introduce Slot Attention Argumentation for Case-Based Reasoning (SAA-CBR), a novel neuro-symbolic pipeline for image classification that integrates object-centric learning via a neural Slot Attention (SA) component with symbolic reasoning conducted by Abstract Argumentation for Case-Based Reasoning (AA-CBR). We explore novel integrations of AA-CBR with the neural component, including feature combination strategies, casebase reduction via representative samples, novel count-based partial orders, a One-Vs-Rest strategy for extending AA-CBR to multi-class classification, and an application of Supported AA-CBR, a bipolar variant of AA-CBR. We demonstrate that SAA-CBR is an effective classifier on the CLEVR-Hans datasets, showing competitive performance against baseline models.
• Abstract（参考訳）: Slot Attention Argumentation for Case-Based Reasoning (SAA-CBR) は、画像分類のための新しいニューラルシンボリックパイプラインであり、A-CBR (Abstract Argumentation for Case-Based Reasoning) によって行われるシンボリック推論を備えたニューラルスロットアテンション (SA) コンポーネントを介してオブジェクト中心学習を統合する。 本稿では,AA-CBRとニューラルコンポーネントの新たな統合について検討する。機能の組み合わせ戦略,代表サンプルによるケースベースリダクション,新しいカウントベース部分順序,AA-CBRをマルチクラスに拡張するためのOne-Vs-Rest戦略,AA-CBRのバイポーラ変種であるSupported AA-CBRの適用などだ。 我々は,SAA-CBRがCLEVR-Hansデータセットの効果的な分類器であることを示し,ベースラインモデルに対する競合性能を示す。

関連論文リスト

• Supported Abstract Argumentation for Case-Based Reasoning [11.11289916111646]
  ケースベース推論(SAA-CBR)のための支援された抽象表現法について紹介する。 サポートにより、sAA-CBRは前駆体であるAA-CBRの制限を克服する。 sAA-CBRはスパイクを含まないが,キーモデル特性のトレードオフは行わない。
  論文  参考訳（メタデータ） (2025-07-07T13:32:08Z)
• Neuro-Argumentative Learning with Case-Based Reasoning [12.489784979345654]
  本稿では,データ駆動型ニューロシンボリック分類モデルであるGradual Abstract Argumentation for Case-Based Reasoning (Gradual AA-CBR)を紹介する。 議論の各議論は、トレーニングデータから観察されたケースであり、ラベル付けを好んでいる。 ケースは、各議論の強さと、勾配に基づく手法で学んだ関係によって、反対または同意するラベルを持つ人々を攻撃するか、または支援する。
  論文  参考訳（メタデータ） (2025-05-21T16:49:47Z)
• CSCNET: Class-Specified Cascaded Network for Compositional Zero-Shot Learning [62.090051975043544]
  属性とオブジェクト(A-O)の絡み合いは、合成ゼロショット学習(CZSL)の基本的かつ重要な問題である CZSL(Class-specified Cascaded Network, CSCNet)のための新しいA-O不整合フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-09T14:18:41Z)
• Cross-Domain Few-Shot Segmentation via Iterative Support-Query Correspondence Mining [81.09446228688559]
  Cross-Domain Few-Shots (CD-FSS) は、限定された例のみを用いて、異なるドメインから新しいカテゴリを分割するという課題を提起する。 本稿では,CD-FSSの課題に対処する新しいクロスドメイン微調整手法を提案する。
  論文  参考訳（メタデータ） (2024-01-16T14:45:41Z)
• AAFACE: Attribute-aware Attentional Network for Face Recognition [9.766991422985598]
  本稿では,ソフトバイオメトリック(SB)予測を補助モダリティとして同時に実行し,顔認識(FR)を主課題とする新しいマルチブランチニューラルネットワークを提案する。 提案するネットワークAAFaceは、SB属性を利用してFR表現の識別能力を向上する。 提案するAAIモジュールは,コンテキスト認識だけでなく,入力機能間の複雑な関係を学習する能力も備えている。
  論文  参考訳（メタデータ） (2023-08-14T16:24:35Z)
• Modelling and Explaining Legal Case-based Reasoners through Classifiers [9.052343834206992]
  本稿では、ケースベース推論の因子モデル(CBR)と分類器の論理的仕様の2つの研究ラインをまとめる。
  論文  参考訳（メタデータ） (2022-10-20T12:51:12Z)
• Neural Model Reprogramming with Similarity Based Mapping for Low-Resource Spoken Command Recognition [71.96870151495536]
  低リソース音声コマンド認識(SCR)のための新しいAR手法を提案する。 ARプロシージャは、(対象領域から)音響信号を修正して、事前訓練されたSCRモデルを再利用することを目的としている。 提案したAR-SCRシステムについて,アラビア語,リトアニア語,マンダリン語を含む3つの低リソースSCRデータセットを用いて評価した。
  論文  参考訳（メタデータ） (2021-10-08T05:07:35Z)
• Channel DropBlock: An Improved Regularization Method for Fine-Grained Visual Classification [58.07257910065007]
  既存のアプローチは主に、識別的部分を見つけるための注意機構や、高度にパラメータ化された特徴を弱教師付きで抽出する特徴符号化アプローチを導入することでこの問題に対処している。 本研究では,CDB(Channel DropBlock)と呼ばれる軽量で効果的な正規化手法を提案する。
  論文  参考訳（メタデータ） (2021-06-07T09:03:02Z)
• An Efficient Framework for Automated Screening of Clinically Significant Macular Edema [0.41998444721319206]
  本研究は,臨床上重要な黄斑浮腫(CSME)の自動スクリーニングのための新しいアプローチを提案する。 提案手法は、トレーニング済みのディープニューラルネットワークとメタヒューリスティックな特徴選択を組み合わせたものである。 スクイードデータセットの効果を克服するために、機能領域のオーバーサンプリング技術が使用されている。
  論文  参考訳（メタデータ） (2020-01-20T07:34:13Z)

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。