論文の概要: SymSeqBench: a unified framework for the generation and analysis of rule-based symbolic sequences and datasets
- arxiv url: http://arxiv.org/abs/2512.24977v1
- Date: Wed, 31 Dec 2025 17:18:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-01 23:27:28.719638
- Title: SymSeqBench: a unified framework for the generation and analysis of rule-based symbolic sequences and datasets
- Title（参考訳）: SymSeqBench:ルールベースのシンボリックシーケンスとデータセットの生成と分析のための統合フレームワーク
- Authors: Barna Zajzon, Younes Bouhadjar, Maxime Fabre, Felix Schmidt, Noah Ostendorf, Emre Neftci, Abigail Morrison, Renato Duarte,
- Abstract要約: シーケンス構造は、自然認識と行動の複数の領域の重要な特徴である。
それはまた、私たちが人工知能を適用したいタスクの中枢的な特性でもある。
SymSeq と SeqBench の2つの補完ソフトウェアツールを紹介します。
- 参考スコア（独自算出の注目度）: 4.586552666797368
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sequential structure is a key feature of multiple domains of natural cognition and behavior, such as language, movement and decision-making. Likewise, it is also a central property of tasks to which we would like to apply artificial intelligence. It is therefore of great importance to develop frameworks that allow us to evaluate sequence learning and processing in a domain agnostic fashion, whilst simultaneously providing a link to formal theories of computation and computability. To address this need, we introduce two complementary software tools: SymSeq, designed to rigorously generate and analyze structured symbolic sequences, and SeqBench, a comprehensive benchmark suite of rule-based sequence processing tasks to evaluate the performance of artificial learning systems in cognitively relevant domains. In combination, SymSeqBench offers versatility in investigating sequential structure across diverse knowledge domains, including experimental psycholinguistics, cognitive psychology, behavioral analysis, neuromorphic computing and artificial intelligence. Due to its basis in Formal Language Theory (FLT), SymSeqBench provides researchers in multiple domains with a convenient and practical way to apply the concepts of FLT to conceptualize and standardize their experiments, thus advancing our understanding of cognition and behavior through shared computational frameworks and formalisms. The tool is modular, openly available and accessible to the research community.
- Abstract（参考訳）: シーケンス構造は、言語、運動、意思決定など、自然認識と行動の複数の領域の重要な特徴である。
同様に、AIを適用したいタスクの中心的な特性でもある。
したがって、計算可能性と計算可能性の形式理論へのリンクを同時に提供しながら、ドメインに依存しない方法でシーケンス学習と処理を評価できるフレームワークを開発することが重要である。
このニーズに対処するために、構造化された記号列を厳格に生成・解析するSymSeqと、認知関連領域における人工知能システムの性能を評価するためのルールベースのシーケンス処理タスクの総合ベンチマークスイートSeqBenchの2つの補完的ソフトウェアツールを紹介した。
SymSeqBenchは、実験的な心理言語学、認知心理学、行動分析、ニューロモルフィックコンピューティング、人工知能など、様々な知識領域におけるシーケンシャルな構造を調査する多目的性を提供する。
フォーマル言語理論(FLT)の基礎となっているため、SymSeqBenchは複数の領域の研究者に対して、FLTの概念を適用して実験を概念化し標準化するための便利で実践的な方法を提供する。
このツールはモジュール式で、公開されており、研究コミュニティにアクセスできる。
関連論文リスト
- A Geometric Theory of Cognition [0.0]
一つの幾何学的原理から多様な認知過程が生まれる統一的な数学的枠組みを提案する。
我々は、より汎用的で人間的な人工知能システムの開発のための指針を提案する。
論文 参考訳（メタデータ） (2025-12-13T07:39:53Z) - stl2vec: Semantic and Interpretable Vector Representation of Temporal Logic [0.5956301166481089]
論理式を意味的に基底としたベクトル表現(機能埋め込み)を提案する。
我々はいくつかの望ましい性質を持つ公式の連続的な埋め込みを計算する。
本稿では,学習モデル検査とニューロシンボリック・フレームワークの2つの課題において,アプローチの有効性を実証する。
論文 参考訳（メタデータ） (2024-05-23T10:04:56Z) - An Encoding of Abstract Dialectical Frameworks into Higher-Order Logic [57.24311218570012]
このアプローチは抽象弁証法フレームワークのコンピュータ支援分析を可能にする。
応用例としては、メタ理論的性質の形式的解析と検証がある。
論文 参考訳（メタデータ） (2023-12-08T09:32:26Z) - Discrete, compositional, and symbolic representations through attractor dynamics [51.20712945239422]
我々は,思考の確率的言語(PLoT)に似た認知過程をモデル化するために,アトラクタダイナミクスを記号表現と統合した新しいニューラルシステムモデルを導入する。
我々のモデルは、連続表現空間を、事前定義されたプリミティブに頼るのではなく、教師なし学習を通じて、記号系の意味性と構成性の特徴を反映する、記号列に対応する引き付け状態を持つ離散盆地に分割する。
このアプローチは、認知操作の複雑な双対性を反映したより包括的なモデルを提供する、AIにおける表現力の証明された神経弁別可能な基質であるニューラルダイナミクスを通じて、シンボル処理とサブシンボル処理の両方を統合する統一的なフレームワークを確立する。
論文 参考訳（メタデータ） (2023-10-03T05:40:56Z) - A Recursive Bateson-Inspired Model for the Generation of Semantic Formal
Concepts from Spatial Sensory Data [77.34726150561087]
本稿では,複雑な感覚データから階層構造を生成するための記号のみの手法を提案する。
このアプローチは、概念や概念の創始の鍵としてのバテソンの差異の概念に基づいている。
このモデルは、トレーニングなしでかなりリッチだが人間に読まれる概念表現を生成することができる。
論文 参考訳（メタデータ） (2023-07-16T15:59:13Z) - Learning and Compositionality: a Unification Attempt via Connectionist
Probabilistic Programming [11.06543250284755]
学習と構成性は人間のような知性をシミュレートする鍵となるメカニズムであると考えている。
本研究では,(学習のための)コネクショナリスト構造と(構成のための)確率的プログラム意味論を結びつけるフレームワークであるコネクショナリスト確率計画(CPP)を提案する。
論文 参考訳（メタデータ） (2022-08-26T17:20:58Z) - Modelling Compositionality and Structure Dependence in Natural Language [0.12183405753834563]
言語学と集合論に基づいて、これらの概念の形式化がこの論文の前半で述べられている。
言語処理を行う認知システムは,特定の機能的制約を持つ必要がある。
単語埋め込み技術の進歩を利用して、関係学習のモデルがシミュレートされる。
論文 参考訳（メタデータ） (2020-11-22T17:28:50Z) - Compositional Generalization by Learning Analytical Expressions [87.15737632096378]
メモリ拡張ニューラルモデルは、合成一般化を達成するために解析式に接続される。
良く知られたベンチマークSCANの実験は、我々のモデルが構成的一般化の優れた能力をつかむことを示した。
論文 参考訳（メタデータ） (2020-06-18T15:50:57Z) - Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。
具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
論文 参考訳（メタデータ） (2020-03-09T15:04:07Z)
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。