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。
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】