人間は低Than-One-Shot学習か?【JST・京大機械翻訳】

Malaviya Maya; Sucholutsky Ilia; Oktar Kerem; Griffiths Thomas L.

プレプリント

J-GLOBAL ID：202202201361380061 整理番号：22P0287282

人間は低Than-One-Shot学習か?【JST・京大機械翻訳】

Can Humans Do Less-Than-One-Shot Learning?

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月09日プレプリントサーバーでの情報更新日： 2022年02月09日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

少量のデータから学ぶことができるのは,人間の知能の重要な特性であるが,しかし,正確には,{いかに}が小さいかである。本論文では,人間がそれらよりも多くのカテゴリーを学習できるかどうか(すなわち,人間が「1つ以上のショット」学習を行わない)を学習できるかどうかを問わず,極めてデータ-スカルセ設定における分類を調べることができる新しい実験パラダイムを導入した。このパラダイムを用いて行われた実験は,人々がそのような設定で学習でき,基礎となるメカニズムにいくつかの洞察を提供することを明らかにした。最初に,人々は,非常に少ないデータから高次元特徴空間を正確に推論し,表現できる。第2に,関連空間を推論して,人々は,カテゴリー推論を行うためのプロトタイプベースの分類(模範ベース)の形式を使用する。最後に,応答における系統的で機械学習可能なパターンは,人々が,このクラスのデータスカルス問題を扱うための効率的な帰納的バイアスを持つかもしれないことを示した。【JST・京大機械翻訳】

, , , , , , , , , ,
, 【Automatic Indexing@JST】

人工知能

前のページに戻る