論文の概要: Nested Episodic State Topology (NEST): A Graph-Theoretic Architecture of Cognitive States

• arxiv url: http://arxiv.org/abs/2607.06055v1
• Date: Tue, 07 Jul 2026 09:31:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-08 21:24:51.469766
• Title: Nested Episodic State Topology (NEST): A Graph-Theoretic Architecture of Cognitive States
• Title（参考訳）: Nested Episodic State Topology (NEST) : 認知状態のグラフ理論アーキテクチャ
• Abstract要約: NESTは認知をモデル化するためのグラフ理論表現オントロジーである。 概念、エピソード、パーセプション、タスクコンテキストは型付き重み付きグラフとして表現される。 再利用可能な演算子ツールキットは、フォーマルコアを編成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present NEST (Nested Episodic State Topology), a foundational graph-theoretic representational ontology for modeling cognition as structured state formation and transformation rather than as a finished empirical model. Concepts, episodes, percepts, and task contexts are represented as typed, weighted graphs whose nodes may carry internal subgraph payloads; edges are typed under six relation classes -- causal, containment, temporal, associative, evidential, and spatial. Durable belief graphs are separated from capacity-limited working-memory graphs that may host transient non-belief content. WM-belief grounding, conflict catalogs, and belief-update operators specify how transient structure is tested against stored knowledge and how belief is revised. A reusable operator toolkit -- activation, graph-property functionals, working-memory transitions, awareness and trajectory functionals, and belief update -- organizes the formal core. Derived diagnostics such as fragmentation, involvement, signed evaluation, coherence, and active conflict define familiar phenomena in the same ontology; self-related processing is modeled through designated self-image subgraphs within belief. Subsequent sections instantiate this core without new primitives: phenomena signatures, a task-instantiation schema for action selection and failure modes, and compatibility mappings that embed ACT-R, Soar, Sigma, the Common Model of Cognition, Global Workspace Theory, semantic networks, Theory-Theory, and chunking as constrained regions of one language. Mappings constitute the culminating technical section; discussion addresses scope, limitations, and open research directions. The contribution is intentionally foundational: a transparent representational substrate for later empirical, computational, and domain-specific work.
• Abstract（参考訳）: NEST(Nested Episodic State Topology, NEST)は、認知を構造化状態の形成と変換としてモデル化するための基礎的なグラフ理論的表現オントロジーである。 概念、エピソード、パーセプション、タスクコンテキストは、ノードが内部のサブグラフペイロードを運ぶことができる型付き重み付きグラフとして表現される。 永続的信念グラフは、過渡的ノンビリーフコンテンツをホストする能力に制限されたワーキングメモリグラフから分離される。 WM-信頼性、紛争カタログ、信念更新オペレータは、記憶された知識に対して過渡構造がどのようにテストされ、どのように信念が修正されるかを特定する。 再利用可能な演算子ツールキット -- アクティベーション、グラフプロパティ関数、ワーキングメモリ移行、認識と軌道関数、信念更新 -- は、正式なコアを編成する。 断片化、関与、署名された評価、コヒーレンス、アクティブコンフリクトといった診断は、同じオントロジーでよく知られた現象を定義し、自己関連処理は、信念内の指定された自己イメージのサブグラフを通してモデル化される。 その後のセクションでは、現象シグネチャ、アクション選択と障害モードのためのタスク検証スキーマ、ACT-R、Soar、Sigma、Common Model of Cognition、Global Workspace Theory、セマンティックネットワーク、理論理論、チャンキングを組み込んだ互換性マッピングなど、新しいプリミティブなしでこのコアをインスタンス化する。 マッピングは、議論対象のスコープ、制限、オープンな研究方向といった、最終技術セクションを構成する。 この貢献は意図的な基礎であり、後の経験的、計算的、ドメイン固有の研究のための透明な表象基板である。

関連論文リスト

• MindTopo: Can Foundation Models Reason in Topological Space? [52.56750995613252]
  我々は,認知科学と形式的トポロジに基づく5つの特性のトポロジ的直観のベンチマークであるMindTopoを紹介する。 MindTopoは、それぞれの特性を2つの認知レベルで評価する。Reasoning氏は、トポロジカルな関係を識別するか、どのように変化するかをモデルに求める。 すべてのMLLMは、計画よりも推論に優れており、最高のパフォーマンスモデルは、人間のパフォーマンスよりもはるかに低いままです。
  論文  参考訳（メタデータ） (2026-09-10T17:54:32Z)
• Does Syntax Matter? A Graph-Augmented Variational Topic Model for Computational Social Sciences [51.56484100374058]
  本稿では、構文依存関係をトピック推論に組み込んだアーキテクチャである、構造的文脈確率的トピックモデル(SCPTM)を紹介する。 本研究では,レジスタ構造と談話構造が異なる4つのコーパスのトピックモデリング手法について検討した。 その結果, SCPTMのニューラルアーキテクチャは, 生成的ベースラインよりも文書・トピックアライメントが著しく向上していることが示唆された。
  論文  参考訳（メタデータ） (2026-09-07T17:39:06Z)
• Context-Aware Interpretable Representations for Retrieval and Graph Convolutional Network Classification [3.5232028627328895]
  ランクベースの解釈可能なグラフ埋め込みとマニフォールド学習戦略を統合した,教師なしの新しいフレームワークを提案する。 提案手法は、まず、多様体解析によりデータセットの文脈情報を特徴付け、次にスパースで自己説明可能な埋め込みを生成することにより、これらのギャップを効果的に橋渡しする。
  論文  参考訳（メタデータ） (2026-08-29T02:29:59Z)
• Unifying Graph Neural Networks Through a Common Layer Equation [75.88127999406392]
  7つのコンポーネントを通して被覆されたアーキテクチャを表現する共通層方程式を導入する。 中央の因子化は、伝達銀行によってエンコードされた情報と、メッセージマップによってエンコードされた動きとを分離する。 この統合を明確化し、標準層とコンポーネント割り当ての作業的削減を通じて、チェック可能にする。
  論文  参考訳（メタデータ） (2026-08-17T04:37:59Z)
• Graph Neural Networks Applications Across Domains: All Insights You Need [0.0]
  グラフニューラルネットワークは、ニッチな表現学習技術から、データがリレーショナル構造を持つ場合のデフォルトモデルクラスに移行した。 この調査は、単一設計空間の周囲の分野を整理し、共有された第一原理からスペクトルと空間の定式化を導出する。 提案するアプリケーションドメインは、リコメンデーションとソーシャルネットワーク、ナレッジグラフと言語モデルの統合、薬物発見と分子特性学習、医療と神経科学、コンピュータビジョン、交通と都市コンピューティング、電力と再生可能エネルギーシステム、無線と第6世代ネットワーク、詐欺とサイバーセキュリティ、産業の予後学、材料科学、気候モデリングなど12種類である。
  論文  参考訳（メタデータ） (2026-06-25T16:00:11Z)
• The Sensation Modulating Network:Haltability as the architectural ground for object-directed phenomenology [0.0]
  我々は、この不備は、具体的エージェントのアーキテクチャの不完全な説明に起因していると主張している。 本研究は,身体全体としての認知エージェントである感覚変調ネットワーク(SMN)を提案する。 SMNは認知主義4Eの議論を和解し、再帰はネゴチブル・アクション・パターンの修正可能なダイナミクスの中で生きていく。
  論文  参考訳（メタデータ） (2026-05-26T11:15:56Z)
• Overcoming the Impedance Mismatch: A Theoretical Roadmap for Fusing Foundation Models and Knowledge Graphs [0.0]
  構造的および幾何学的摩擦をtextitImpedance Mismatch として定式化する。 本稿では,真の意味融合を実現するための厳密な理論的ロードマップを提案する。 このフレームワークは、シンボリック論理の精度をパラメトリックメモリの表現率とシームレスに融合するモデルを構築する。
  論文  参考訳（メタデータ） (2026-04-21T17:30:15Z)
• Knowledge Graph-Infused Fine-Tuning for Structured Reasoning in Large Language Models [41.59092188743925]
  知識グラフ注入に基づく微調整アルゴリズムフレームワークを提案する。 事前訓練された言語モデルに基づいて構築され、補助学習のための構造化グラフ情報を導入している。 構造的推論やエンティティ抽出を含むシナリオにおいて、セマンティック一貫性とコンテキスト論理モデリングがより優れていることを示す。
  論文  参考訳（メタデータ） (2025-08-20T04:52:12Z)
• Continuous Representation Methods, Theories, and Applications: An Overview and Perspectives [55.22101595974193]
  近年,実世界のデータ固有の構造を特徴付ける新しいパラダイムとして,連続表現法が登場している。 本総説では, 基礎関数表現, 統計モデル, テンソル関数分解, 暗黙的神経表現などの連続表現法設計, (ii) 近似誤差解析, 収束特性, 暗黙的正規化などの連続表現の理論的基礎, (iii) コンピュータビジョン, グラフィックス, バイオインフォマティクス, リモートセンシングなどの連続表現の現実的応用について述べる。
  論文  参考訳（メタデータ） (2025-05-21T07:50:19Z)
• In-situ graph reasoning and knowledge expansion using Graph-PReFLexOR [0.0]
  グラフ推論とシンボリック抽象化を組み合わせてドメイン知識を動的に拡張するフレームワークであるGraph-PReFLexORを提案する。 強化学習に触発されて、推論は構造化されたマッピングとして定義され、タスクが知識グラフ、抽象パターン、そして最終的には最終回答を生み出す。 その結果、より優れた推論深度と適応性を示し、透明で多分野のAI駆動型発見の可能性を示している。
  論文  参考訳（メタデータ） (2025-01-14T13:52:41Z)
• Graph Stochastic Neural Process for Inductive Few-shot Knowledge Graph Completion [63.68647582680998]
  I-FKGC(inductive few-shot knowledge graph completion)と呼ばれる課題に焦点をあてる。 帰納的推論(inductive reasoning)の概念に着想を得て,I-FKGCを帰納的推論問題とした。 本稿では,仮説の連成分布をモデル化したニューラルプロセスに基づく仮説抽出器を提案する。 第2のモジュールでは、この仮説に基づいて、クエリセットのトリプルが抽出された仮説と一致するかどうかをテストするグラフアテンションベースの予測器を提案する。
  論文  参考訳（メタデータ） (2024-08-03T13:37:40Z)
• Hierarchical Invariance for Robust and Interpretable Vision Tasks at Larger Scales [54.78115855552886]
  本稿では、畳み込みニューラルネットワーク(CNN)のような階層型アーキテクチャを用いて、オーバーコンプリート不変量を構築する方法を示す。 オーバーコンプリート性により、そのタスクはニューラルアーキテクチャサーチ(NAS)のような方法で適応的に形成される。 大規模で頑健で解釈可能な視覚タスクの場合、階層的不変表現は伝統的なCNNや不変量に対する効果的な代替物とみなすことができる。
  論文  参考訳（メタデータ） (2024-02-23T16:50:07Z)
• On Discprecncies between Perturbation Evaluations of Graph Neural Network Attributions [49.8110352174327]
  我々は、グラフ領域で以前に検討されていない視点から帰属法を評価する:再学習。 中心となる考え方は、属性によって識別される重要な(あるいは重要でない)関係でネットワークを再訓練することである。 我々は4つの最先端GNN属性法と5つの合成および実世界のグラフ分類データセットについて分析を行った。
  論文  参考訳（メタデータ） (2024-01-01T02:03:35Z)
• 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)

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。