論文の概要: A Rational Account of Categorization Based on Information Theory
- arxiv url: http://arxiv.org/abs/2603.29895v1
- Date: Sat, 07 Feb 2026 22:21:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-06 02:36:13.172111
- Title: A Rational Account of Categorization Based on Information Theory
- Title（参考訳）: 情報理論に基づく分類の合理化
- Authors: Christophe J. MacLellan, Karthik Singaravadivelan, Xin Lian, Zekun Wang, Pat Langley,
- Abstract要約: 本稿では,情報理論の有理分析に基づく分類理論を提案する。
人間の分類の振る舞いを、独立したキューやコンテキストモデルよりも少なくとも(あるいはそれ以上)説明できることがわかりました。
- 参考スコア（独自算出の注目度）: 10.673946968925577
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a new theory of categorization based on an information-theoretic rational analysis. To evaluate this theory, we investigate how well it can account for key findings from classic categorization experiments conducted by Hayes-Roth and Hayes-Roth (1977), Medin and Schaffer (1978), and Smith and Minda (1998). We find that it explains the human categorization behavior at least as well (or better) than the independent cue and context models (Medin & Schaffer, 1978), the rational model of categorization (Anderson, 1991), and a hierarchical Dirichlet process model (Griffiths et al., 2007).
- Abstract（参考訳）: 本稿では,情報理論の有理分析に基づく分類理論を提案する。
この理論を評価するために、Hayes-Roth と Hayes-Roth (1977), Medin and Schaffer (1978), Smith and Minda (1998) による古典的分類実験による重要な発見をいかにうまく説明できるかを検討する。
人間の分類行動は、独立キューや文脈モデル(Medin & Schaffer, 1978)、有理的分類モデル(Anderson, 1991)、階層的ディリクレプロセスモデル(Griffiths et al , 2007)よりも少なくとも(あるいはそれ以上)優れている。
関連論文リスト
- MoVa: Towards Generalizable Classification of Human Morals and Values [57.93595662296688]
MoVaは、人間の道徳と価値観の一般化可能な分類のための、文書化されたリソーススイートである。
MoVaのデータと手法は、人間と機械のコミュニケーションを細かく解釈するのに役立つ。
論文 参考訳（メタデータ） (2025-09-29T02:56:27Z) - Category-Theoretical and Topos-Theoretical Frameworks in Machine Learning: A Survey [4.686566164138397]
カテゴリー理論に基づく機械学習を4つの主流視点から概観する。
最初の3つのトピックについて、主に過去5年間の調査をレビューし、以前の調査を更新し、拡張しました。
第4のトピックは、高次圏論、特にトポス理論を論じるもので、この論文で初めて調査される。
論文 参考訳（メタデータ） (2024-08-26T04:39:33Z) - Learning Discrete Concepts in Latent Hierarchical Models [73.01229236386148]
自然の高次元データから学習する概念は、ヒューマンアライメントと解釈可能な機械学習モデルの構築の可能性を秘めている。
我々は概念を階層的因果モデルを通して関連付けられた離散潜在因果変数として定式化する。
我々は、理論的な主張を合成データ実験で裏付ける。
論文 参考訳（メタデータ） (2024-06-01T18:01:03Z) - A Rational Model of Dimension-reduced Human Categorization [3.571185635085448]
確率的主成分分析器(mPPCA)の混合を用いた新しい次元再現圏表現法を提案する。
$tt CIFAR-10H$データセットの試験では、各カテゴリに1つの主成分しか持たないmPPCAが、自然画像の人間の分類を効果的に予測できることが示されている。
論文 参考訳（メタデータ） (2023-05-22T11:49:21Z) - A Category-theoretical Meta-analysis of Definitions of Disentanglement [97.34033555407403]
データの変化の要因を識別することは、機械学習の基本的な概念である。
本稿では,既存の乱れの定義をメタ分析する。
論文 参考訳（メタデータ） (2023-05-11T15:24:20Z) - Investigating the Role of Centering Theory in the Context of Neural
Coreference Resolution Systems [71.57556446474486]
中心化理論と現代のコア参照分解システムとの関係について検討する。
高品質なニューラルコア参照リゾルバは、中心となるアイデアを明示的にモデル化することの恩恵を受けない可能性がある。
また, 再発をモデルとしたCTのバージョンを定式化し, バニラCTよりも良質なコア参照情報を取得することを示した。
論文 参考訳（メタデータ） (2022-10-26T12:55:26Z) - A General Theory for the Evolution of Application Models -- Full version [0.0]
この理論は、概念レベルでの基盤となる情報構造と、その進化と、情報構造とその人口に関する操作の記述と意味を区別する。
この理論の主な問題は、オブジェクトの型付け、型関連性、オブジェクトの識別である。
この一般的な理論では、基礎となるデータモデルはパラメータであり、この理論は幅広いモデリング技術に適用できる。
論文 参考訳（メタデータ） (2021-05-18T17:24:35Z)
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。