論文の概要: Evaluating the relationship between regularity and learnability in recursive numeral systems using Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2602.21720v1
- Date: Wed, 25 Feb 2026 09:27:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-26 18:19:16.776036
- Title: Evaluating the relationship between regularity and learnability in recursive numeral systems using Reinforcement Learning
- Title（参考訳）: 強化学習を用いた再帰的数体系における規則性と学習可能性の関係評価
- Authors: Andrea Silvi, Ponrawee Prasertsom, Jennifer Culbertson, Devdatt Dubhashi, Moa Johansson, Kenny Smith,
- Abstract要約: 極めて正規な人間のようなシステムは、証明されていないが不規則なシステムよりも学習が容易である。
また,不自然で不規則なシステムにおいて,正規性が学習性に与える影響は欠落しており,学習性は信号長の影響を受けないことがわかった。
- 参考スコア（独自算出の注目度）: 3.9284102395030653
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Human recursive numeral systems (i.e., counting systems such as English base-10 numerals), like many other grammatical systems, are highly regular. Following prior work that relates cross-linguistic tendencies to biases in learning, we ask whether regular systems are common because regularity facilitates learning. Adopting methods from the Reinforcement Learning literature, we confirm that highly regular human(-like) systems are easier to learn than unattested but possible irregular systems. This asymmetry emerges under the natural assumption that recursive numeral systems are designed for generalisation from limited data to represent all integers exactly. We also find that the influence of regularity on learnability is absent for unnatural, highly irregular systems, whose learnability is influenced instead by signal length, suggesting that different pressures may influence learnability differently in different parts of the space of possible numeral systems. Our results contribute to the body of work linking learnability to cross-linguistic prevalence.
- Abstract（参考訳）: 他の多くの文法系と同様に、人間の再帰的数字系(すなわち、英語のベース10数字などの数え上げ系)は極めて規則的である。
学習における言語間の傾向とバイアスを関連づける先行研究に続いて、規則性によって学習が容易になるため、通常のシステムが一般的かどうかを問う。
Reinforcement Learningの文献からの手法を採用することで、高度に正規な人間(様)システムは、証明されていないが不規則なシステムよりも学習が容易であることを確認した。
この非対称性は、再帰的数系がすべての整数を正確に表現するために限られたデータから一般化するために設計されているという自然な仮定のもとに現れる。
また,非自然で不規則なシステムにおいて,正規性が学習性に与える影響は,信号長に代えて学習性に影響されることが示唆された。
この結果は,学習可能性と言語間関係の有病率をリンクする作業の身体に寄与する。
関連論文リスト
- Learning Efficient Recursive Numeral Systems via Reinforcement Learning [1.7126708168238125]
従来、強化学習(RL)を用いることで、エージェントは人間に類似した単純な近似的かつ正確に制限された数字系を導出することができることが示されている。
本稿では,効率的な再帰的数体系の出現に関する力学的な説明を導出する手法を提案する。
相互作用を通して徐々に修正されるメタ文法を用いて、数値についてコミュニケーションする方法を学ぶエージェントのペアについて検討する。
論文 参考訳（メタデータ） (2024-09-11T10:33:30Z) - One system for learning and remembering episodes and rules [0.27309692684728604]
人間は個々のエピソードや一般化可能なルールを学習でき、時間とともに両方の獲得した知識を保持できる。
統計的学習の最近の研究から着想を得た結果,表現能力の過剰な1つのシステムは,エピソードとルールの両方を学習し,記憶することができることがわかった。
論文 参考訳（メタデータ） (2024-07-08T12:44:18Z) - A Hybrid System for Systematic Generalization in Simple Arithmetic
Problems [70.91780996370326]
本稿では,記号列に対する合成的および体系的推論を必要とする算術的問題を解くことができるハイブリッドシステムを提案する。
提案システムは,最も単純なケースを含むサブセットでのみ訓練された場合においても,ネストした数式を正確に解くことができることを示す。
論文 参考訳（メタデータ） (2023-06-29T18:35:41Z) - A Domain-Agnostic Approach for Characterization of Lifelong Learning
Systems [128.63953314853327]
「生涯学習」システムには,1)継続的学習,2)伝達と適応,3)拡張性があります。
この一連のメトリクスは、様々な複雑な生涯学習システムの開発に役立てることができることを示す。
論文 参考訳（メタデータ） (2023-01-18T21:58:54Z) - From latent dynamics to meaningful representations [0.5728954513076778]
純粋に動的に制約された表現学習フレームワークを提案する。
これは力学系における表現学習のより自然な制約であることを示す。
我々は,現実の蛍光DNAフィルムデータセットを含む様々なシステムに対して,我々の枠組みを検証する。
論文 参考訳（メタデータ） (2022-09-02T09:27:37Z) - Learning to Control Linear Systems can be Hard [19.034920102339573]
線形システムを制御するための学習の統計的困難さについて検討する。
我々は、学習の複雑さが制御可能性指数と最も指数関数的であることを証明した。
論文 参考訳（メタデータ） (2022-05-27T15:07:30Z) - Learning Physical Concepts in Cyber-Physical Systems: A Case Study [72.74318982275052]
本稿では,時系列データにおける物理概念の学習方法に関する研究の現状について概説する。
また,3タンクシステムの例を用いて,最先端技術から最も重要な手法を分析した。
論文 参考訳（メタデータ） (2021-11-28T14:24:52Z) - Self-organizing Democratized Learning: Towards Large-scale Distributed
Learning Systems [71.14339738190202]
民主化された学習(Dem-AI)は、大規模な分散および民主化された機械学習システムを構築するための基本原則を備えた全体主義的哲学を定めている。
本稿では,Dem-AI哲学にヒントを得た分散学習手法を提案する。
提案アルゴリズムは,従来のFLアルゴリズムと比較して,エージェントにおける学習モデルの一般化性能が向上することを示す。
論文 参考訳（メタデータ） (2020-07-07T08:34:48Z) - Active Learning for Nonlinear System Identification with Guarantees [102.43355665393067]
状態遷移が既知の状態-作用対の特徴埋め込みに線形に依存する非線形力学系のクラスについて検討する。
そこで本稿では, トラジェクティブ・プランニング, トラジェクティブ・トラッキング, システムの再推定という3つのステップを繰り返すことで, この問題を解決するためのアクティブ・ラーニング・アプローチを提案する。
本手法は, 非線形力学系を標準線形回帰の統計速度と同様, パラメトリック速度で推定する。
論文 参考訳（メタデータ） (2020-06-18T04:54:11Z) - Learning Compositional Rules via Neural Program Synthesis [67.62112086708859]
少数の例からルールシステム全体を学習するニューロシンボリックモデルを提案する。
入力からの出力を直接予測する代わりに、前述した例の集合を規定する規則の明示的な体系を誘導するようにモデルを訓練する。
論文 参考訳（メタデータ） (2020-03-12T01:06:48Z)
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。