論文の概要: Modelling Emotional Memory in Children with Tensor Networks
- arxiv url: http://arxiv.org/abs/2606.28470v1
- Date: Fri, 26 Jun 2026 14:31:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.57882
- Title: Modelling Emotional Memory in Children with Tensor Networks
- Title（参考訳）: テンソルネットワークを持つ小児における感情記憶のモデル化
- Abstract要約: 感情的に有意な一連のおもちゃの正しいリコールは、単にそれだけではない。
おもちゃ自体の原子価だけでなく
前後に示されたおもちゃの価額。
古典的テンソルネットワークモデル。
原子価は77.98%の精度で研究結果をモデル化することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: We demonstrate how emotional valence influences the order-dependent structure of children's recognition memory: correct recall of a sequence of emotionally-valenced toys depended not just on the valence of a given toy itself, but also on the valence of the toys shown before and after it. Whilst standard psychological models confirm that order-dependence differs across an event (a set of toys shown in sequence), accuracy is low and the model does not reflect how memory for an emotional object influences others in the set. A classical tensor network model factoring in valence is able to achieve a 77.98\% accuracy in modelling the results of the study. While not strictly a ``quantum cognition'' model, this massive increase in accuracy shows the value of quantum-inspired methods for modelling order-dependent phenomena, such as emotional memory. Further, the task protocol we introduce presents a novel, real-world tool for exploring emotional temporal memory in children for analysis using classical and quantum-like models of cognition.
- Abstract（参考訳）: 子どもの認知記憶の秩序に依存した構造に感情的価値がどのような影響を及ぼすかを示す: 感情的価値のあるおもちゃの列の正しいリコールは、与えられたおもちゃ自体の価だけでなく、その前後のおもちゃの価にも依存する。
標準的な心理学モデルでは、順序依存性はイベント全体(一連のおもちゃのセット)で異なることが確認されているが、精度は低く、感情的対象の記憶がセット内の他者に与える影響を反映していない。
原子価を因子とする古典的テンソルネットワークモデルでは、研究結果のモデル化において77.98\%の精度を達成することができる。
厳密には「量子認知」モデルではないが、この膨大な精度の増大は、感情記憶のような秩序に依存した現象をモデル化するための量子インスピレーション法の価値を示している。
さらに, 子どもの情緒的時間記憶を探索し, 古典的, 量子的認知モデルを用いた分析を行うためのタスクプロトコルを提案する。
関連論文リスト
- Memory-guided Prototypical Co-occurrence Learning for Mixed Emotion Recognition [56.00118641432005]
本稿では,感情共起パターンを明示的にモデル化するメモリ誘導型プロトタイプ共起学習フレームワークを提案する。
人間の認知記憶システムに触発されて,意味レベルの共起関係を抽出するメモリ検索戦略を導入する。
本モデルは感情分布予測のための感情情報表現を学習する。
論文 参考訳（メタデータ） (2026-02-24T04:11:25Z) - KidVis: Do Multimodal Large Language Models Possess the Visual Perceptual Capabilities of a 6-Year-Old? [79.27736230305516]
人間の視覚発達理論に基づく新しいベンチマークであるKidVisを紹介する。
人間の生理的ベースラインに対する20の最先端MLLMを評価すると、パフォーマンスの相違が明らかになる。
この研究は、現在のMLLMは、彼らの推論能力にもかかわらず、一般化された視覚知能に必要な生理的知覚的プリミティブが欠如していることを確認する。
論文 参考訳（メタデータ） (2026-01-13T07:32:50Z) - Emotion Classification of Children Expressions [0.0]
このモデルは、Squeeze-andExcitationブロック、Convolutional Block Attentionモジュール、ロバストなデータ拡張を備えたモデルの高度な概念を用いて実現されている。
Batch Normalisation, Dropout, SE Attention Mechanism を用いて, 子どもの感情の分類を行ったところ, 89%の精度が得られた。
論文 参考訳（メタデータ） (2024-11-12T10:47:31Z) - Modeling Visual Memorability Assessment with Autoencoders Reveals Characteristics of Memorable Images [2.4861619769660637]
画像記憶可能性(英: Image memorability)とは、ある画像が他の画像よりも記憶されやすい現象である。
人間の視覚知覚と記憶の理解の進歩にもかかわらず、画像の記憶可能性にどのような特徴が寄与するかは明らかになっていない。
我々は、VGG16畳み込みニューラルネットワーク(CNN)上に構築されたオートエンコーダベースのアプローチを用いて、画像の潜在表現を学習する。
論文 参考訳（メタデータ） (2024-10-19T22:58:33Z) - Emotion-driven Piano Music Generation via Two-stage Disentanglement and Functional Representation [19.139752434303688]
感情的な側面を管理することは、自動音楽生成の課題である。
本稿では,ピアノ演奏における感情のゆがみについて,2段階の枠組みを用いて検討する。
論文 参考訳（メタデータ） (2024-07-30T16:29:28Z) - Causal Estimation of Memorisation Profiles [58.20086589761273]
言語モデルにおける記憶の理解は、実践的および社会的意味を持つ。
覚書化(英: Memorisation)とは、モデルがそのインスタンスを予測できる能力に対して、あるインスタンスでトレーニングを行うことによる因果的影響である。
本稿では,計量学の差分差分設計に基づく,新しい,原理的,効率的な記憶推定法を提案する。
論文 参考訳（メタデータ） (2024-06-06T17:59:09Z) - Modeling Emotional Trajectories in Written Stories Utilizing Transformers and Weakly-Supervised Learning [47.02027575768659]
本研究では,個別の感情カテゴリーで注釈付けされた子どもの物語の既存のデータセットに対して,連続的原子価と覚醒ラベルを導入する。
得られた感情信号を予測するために,DeBERTaモデルを微調整し,弱教師付き学習手法を用いてベースラインを改善する。
詳細な分析では、著者、個々の物語、物語内のセクションなどの要因によって結果がどの程度異なるかが示される。
論文 参考訳（メタデータ） (2024-06-04T12:17:16Z) - Seeing Eye to AI: Comparing Human Gaze and Model Attention in Video Memorability [21.44002657362493]
我々は,ビデオの暗記性予測において,時間的注意をTASo(State-of-the-art)のパフォーマンスに合わせることなく特徴を解析できる,シンプルなCNN+Transformerアーキテクチャを採用する。
本研究は,ヒトが記憶課題を遂行する視線追跡研究を通じて,人間の定着に対するモデル注意度を比較した。
論文 参考訳（メタデータ） (2023-11-26T05:14:06Z) - Memory as a Mass-based Graph: Towards a Conceptual Framework for the
Simulation Model of Human Memory in AI [0.0]
本稿では,各原子命題が真理として,知的存在に対して重要であることを示す,ノードに質量に基づく値を持つエッジ重み付きグラフを提案する。
動的に発達し、変化し、連続するフェーズでは、環境からの収集された入力に応じて、エッジのノードの質量と重量を変化させる。
論文 参考訳（メタデータ） (2023-05-19T01:42:16Z) - Evaluating Temporal Patterns in Applied Infant Affect Recognition [5.312541762281102]
本稿では,幼児とロボットの相互作用の文脈における分類性能に影響を及ぼす時間的パターンについて述べる。
乳幼児は顔と体の特徴の両方を用いて認識分類器に影響を及ぼすよう訓練した。
パフォーマンスが経時的にどのように変化したかを評価するため,ベストパフォーマンスモデルについて詳細な分析を行った。
論文 参考訳（メタデータ） (2022-09-07T23:29:15Z) - Enhancing Cognitive Models of Emotions with Representation Learning [58.2386408470585]
本稿では,きめ細かな感情の埋め込み表現を生成するための,新しいディープラーニングフレームワークを提案する。
本フレームワークは,コンテキスト型埋め込みエンコーダとマルチヘッド探索モデルを統合する。
本モデルは共感対話データセット上で評価され,32種類の感情を分類する最新結果を示す。
論文 参考訳（メタデータ） (2021-04-20T16:55:15Z) - A robot that counts like a child: a developmental model of counting and
pointing [69.26619423111092]
実物を数えることができる新しい神経ロボティクスモデルを導入する。
このモデルにより,エンボディメントと数値認識の相互作用を調べることができる。
トレーニングされたモデルは、アイテムのセットをカウントすることができ、同時にそれらを指し示します。
論文 参考訳（メタデータ） (2020-08-05T21:06:27Z)
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。