論文の概要: Elements of Active Continuous Learning and Uncertainty Self-Awareness: a Narrow Implementation for Face and Facial Expression Recognition

• arxiv url: http://arxiv.org/abs/2511.05574v1
• Date: Tue, 04 Nov 2025 17:01:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:44.459936
• Title: Elements of Active Continuous Learning and Uncertainty Self-Awareness: a Narrow Implementation for Face and Facial Expression Recognition
• Title（参考訳）: アクティブな連続学習要素と不確実な自己認識:顔と顔の表情認識のための狭い実装
• Authors: Stanislav Selitskiy,
• Abstract要約: 思考過程の反映と、そのパフォーマンスに不満がある場合の修正は、知性の本質的な特徴の1つである。 本稿では、ANNの活性化パターンを観察する監視人工ニューラルネットワーク(ANN)の形式で自己認識機構をエミュレーションする。 信頼性の判断は、アクティブな学習モードをトリガーし、高い不確実性と混乱した状況において人間の助けを求める機械学習アルゴリズムにエージェンシーの要素を与える。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reflection on one's thought process and making corrections to it if there exists dissatisfaction in its performance is, perhaps, one of the essential traits of intelligence. However, such high-level abstract concepts mandatory for Artificial General Intelligence can be modelled even at the low level of narrow Machine Learning algorithms. Here, we present the self-awareness mechanism emulation in the form of a supervising artificial neural network (ANN) observing patterns in activations of another underlying ANN in a search for indications of the high uncertainty of the underlying ANN and, therefore, the trustworthiness of its predictions. The underlying ANN is a convolutional neural network (CNN) ensemble employed for face recognition and facial expression tasks. The self-awareness ANN has a memory region where its past performance information is stored, and its learnable parameters are adjusted during the training to optimize the performance. The trustworthiness verdict triggers the active learning mode, giving elements of agency to the machine learning algorithm that asks for human help in high uncertainty and confusion conditions.
• Abstract（参考訳）: 思考過程を反映し、その性能に不満がある場合、それを修正することは、おそらく、知性の本質的な特性の1つである。 しかしながら、人工知能に必須となる高レベルの抽象概念は、狭義の機械学習アルゴリズムの低レベルにおいてもモデル化することができる。 本稿では,この自己認識機構を,ANNの活性化パターンを観察する監視人工ニューラルネットワーク(ANN)の形式でエミュレーションし,その信頼性を検証した。 基盤となるANNは、顔認識と表情タスクに使用される畳み込みニューラルネットワーク(CNN)アンサンブルである。 自己認識ANNは、過去の性能情報を記憶したメモリ領域を有し、学習可能なパラメータをトレーニング中に調整して性能を最適化する。 信頼性の判断は、アクティブな学習モードをトリガーし、高い不確実性と混乱した状況において人間の助けを求める機械学習アルゴリズムにエージェンシーの要素を与える。

関連論文リスト

• Toward IIT-Inspired Consciousness in LLMs: A Reward-Based Learning Framework [7.582178041791117]
  本稿では、報酬に基づく学習パラダイムを用いて、言語モデルにおける意識の先導的理論である統合情報理論(IIT)の実装について検討する。 テキストの因果性、一貫性、統合性、意識的な処理に関連する特徴を定量化する新しい報酬関数を定式化する。 ドメインタスクの内、注意深いチューニングは、ベースモデルに匹敵する精度を維持しながら、出力長を最大31%削減する。
  論文  参考訳（メタデータ） (2026-01-30T10:07:58Z)
• Semi-parametric Memory Consolidation: Towards Brain-like Deep Continual Learning [59.35015431695172]
  本稿では,半パラメトリックメモリと覚醒・睡眠統合機構を統合したバイオミメティック連続学習フレームワークを提案する。 提案手法は,実世界の挑戦的連続学習シナリオにおいて,先行知識を維持しつつ,新しいタスクにおけるディープニューラルネットワークの高性能維持を可能にする。
  論文  参考訳（メタデータ） (2025-04-20T19:53:13Z)
• Meta-Representational Predictive Coding: Biomimetic Self-Supervised Learning [51.22185316175418]
  メタ表現予測符号化(MPC)と呼ばれる新しい予測符号化方式を提案する。 MPCは、並列ストリームにまたがる感覚入力の表現を予測することを学ぶことによって、感覚入力の生成モデルを学ぶ必要性を助長する。
  論文  参考訳（メタデータ） (2025-03-22T22:13:14Z)
• Revealing higher-order neural representations of uncertainty with the Noise Estimation through Reinforcement-based Diffusion (NERD) model [0.0]
  ノイズ予測」HORは、脳が自身のノイズについて学ぶ必要があるかもしれないタスクのニューラルデータを用いて研究する。 本研究は, 強化型拡散モデルによる騒音推定手法を開発し, 応用するものである。
  論文  参考訳（メタデータ） (2025-03-18T15:08:19Z)
• Neuro-mimetic Task-free Unsupervised Online Learning with Continual Self-Organizing Maps [56.827895559823126]
  自己組織化マップ(英: Self-organizing map、SOM)は、クラスタリングや次元減少によく用いられるニューラルネットワークモデルである。 低メモリ予算下でのオンライン教師なし学習が可能なSOM(連続SOM)の一般化を提案する。 MNIST, Kuzushiji-MNIST, Fashion-MNISTなどのベンチマークでは, ほぼ2倍の精度が得られた。
  論文  参考訳（メタデータ） (2024-02-19T19:11:22Z)
• Tensor Networks for Explainable Machine Learning in Cybersecurity [0.0]
  マトリックス製品状態(MPS)に基づく教師なしクラスタリングアルゴリズムを開発した。 我々の調査は、MPSがオートエンコーダやGANといった従来のディープラーニングモデルと性能的に競合していることを証明している。 提案手法は,機能的確率,フォン・ノイマン・エントロピー,相互情報の抽出を自然に促進する。
  論文  参考訳（メタデータ） (2023-12-29T22:35:45Z)
• Brain-inspired Computational Intelligence via Predictive Coding [73.42407863671565]
  予測符号化(PC)は、機械学習コミュニティにとって潜在的に価値のある、有望な特性を示している。 PCライクなアルゴリズムは、機械学習とAIの複数のサブフィールドに存在し始めている。
  論文  参考訳（メタデータ） (2023-08-15T16:37:16Z)
• Toward stochastic neural computing [11.955322183964201]
  本稿では,ノイズ入力のストリームをスパイキングニューロンの集団によって変換し,処理するニューラルコンピューティングの理論を提案する。 本手法をIntelのLoihiニューロモルフィックハードウェアに適用する。
  論文  参考訳（メタデータ） (2023-05-23T12:05:35Z)
• Interpretable Self-Aware Neural Networks for Robust Trajectory Prediction [50.79827516897913]
  本稿では,意味概念間で不確実性を分散する軌道予測のための解釈可能なパラダイムを提案する。 実世界の自動運転データに対する我々のアプローチを検証し、最先端のベースラインよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2022-11-16T06:28:20Z)
• Neuro-Symbolic Learning of Answer Set Programs from Raw Data [54.56905063752427]
  Neuro-Symbolic AIは、シンボリックテクニックの解釈可能性と、生データから学ぶ深層学習の能力を組み合わせることを目的としている。 本稿では,ニューラルネットワークを用いて生データから潜在概念を抽出するNSIL(Neuro-Symbolic Inductive Learner)を提案する。 NSILは表現力のある知識を学習し、計算的に複雑な問題を解き、精度とデータ効率の観点から最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-05-25T12:41:59Z)
• Backprop-Free Reinforcement Learning with Active Neural Generative Coding [84.11376568625353]
  動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。 我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。 我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-10T19:02:27Z)

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。