교차 상황 학습과 감독 학습이 커뮤니케이션 정확도에 미치는 동일한 효과
본 논문은 두 에이전트가 N개의 객체를 H개의 단어로 명명하는 과정을 모델링한다. 교차 상황 학습(비감독)과 감독 학습(피드백 기반) 두 가지 학습 규칙을 최소화된 형태로 구현하고, 대규모(N, H→∞) 한계에서 두 알고리즘이 동일한 평균 통신 오류 ϵ를 보임을 증명한다. 이는 무작위로 N개의 객체를 H개의 단어에 할당하는 고전적인 점유 문제와 수학적으로 일치한다.
저자: ** José F. Fontanari (Instituto de Física de São Carlos, Universidade de São Paulo, Brazil) Angelo Cangelosi (Centre for Robotics
본 논문은 언어 부트스트래핑 현상을 두 에이전트 간의 반복적인 언어 게임으로 모델링하고, 두 가지 전형적인 학습 메커니즘—교차 상황 학습(비감독)과 감독 학습(피드백 기반)—의 성능을 비교한다. 연구 배경으로는 언어가 어떻게 공동체 내에서 자발적으로 형성되는가에 대한 진화론적 접근과 문화적 학습 접근이 있다. 저자는 후자를 선택해, 언어가 개별 학습 과정을 통해 어떻게 정착되는지를 탐구한다.
모델 설정은 다음과 같다. 환경에는 N개의 객체와 H개의 단어가 존재한다. 각 에이전트는 N × H 크기의 언어화 행렬 P를 보유하며, pₙₕ∈
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기