以头对头潜在词作为人际分类的符号涌现
机器学习
2023-01-18 v1 人工智能
计算与语言
神经与进化计算
摘要
本研究通过对原始 Inter-MDM（一种将两个智能体间的符号涌现表示为多智能体多模态分类的概率生成模型）进行修改，提出一种头对头型（H2H 型）人际多模态 Dirichlet 混合模型（Inter-MDM）。基于 Inter-MDM 的 Metropolis–Hastings 方法命名博弈使两个智能体能够以收敛性的坚实数学基础协作执行多模态分类并共享符号。然而，传统 Inter-MDM 假定跨潜在词变量为尾对尾连接，导致 Inter-MDM 在建模更复杂的符号涌现时缺乏扩展性。因此，本文提出一种头对头型（H2H 型）Inter-MDM，将潜在词变量作为各智能体内部变量的子节点，与许多多模态分类的先前研究一致。基于 H2H 型 Inter-MDM，我们以与传统 Inter-MDM 相同的方式提出一种命名博弈。实验结果表明，从多模态分类与符号共享的角度看，H2H 型 Inter-MDM 取得了与传统 Inter-MDM 几乎相同的性能。
引用
@article{arxiv.2205.15027,
title = {Symbol Emergence as Inter-personal Categorization with Head-to-head Latent Word},
author = {Kazuma Furukawa and Akira Taniguchi and Yoshinobu Hagiwara and Tadahiro Taniguchi},
journal= {arXiv preprint arXiv:2205.15027},
year = {2023}
}
备注
7 pages, 4 figures, 5 tables