抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
従来,ほとんどのAIシステムは状況に基づいて学習し,行動を決定する。これは心理的要因を考慮しない一種の論理的アプローチである。本研究は,記憶モデルに関して,知的な事物に対する人間の好奇心を考慮に入れた。連想記憶の表現としてHopfieldネットワークと呼ばれるネットワークを学習モデルとして使用した。連想記憶は,連想概念および対象と概念との間の関係を学習し維持する記憶システムである。本研究は,連想記憶モデルの強化のために,主に好奇心ベースの極端学習機械(ELM)に焦点を合わせた。心理学者Berlyneの理論に基づけば,4つの要素,新奇性,不確実性,不一致,驚きは,人の好奇心の指標である。連想記憶の学習または更新の戦略を,好奇心極端学習機械(C-ELM)における四重ベクトル値を計算することによって決定し,Hopfieldネットワークで表現される連想知識の学習と記憶を強化した。一組の動物園データを,動物に対する子供たちの好奇心を実験で示す2つの指定シナリオに適用し,連想知識ネットワークの実験結果を,C-ELMとその実装を参照する様々な側面からの所見とともに報告した。(翻訳著者抄録)