文献

J-GLOBAL ID：201702232425602672   整理番号：17A1257150

リカレントニューラルネットワークによるパソコンソフトの配列と配列予測【Powered by NICT】

Sequence-to-sequence prediction of personal computer software by recurrent neural network

著者 (4件)： Yang Qichuan (School of Computer Science and Engineering, Beihang University, Beijing, China) ,  He Zhiqiang (Lenovo Group, Beijing, China) ,  Ge Fujiang (Cloud and Intelligent Computing Lab, Lenovo (Beijing) Ltd., Beijing, China) ,  Zhang Yang (Lenovo (Beijing) Ltd., Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IJCNN  ページ： 934-940  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 配列(seq2seq)予測のための配列は機械学習の多くのタスクに重要である。,これらの課題の一つとして,パソコンソフト配列は過去の確率で予測できないと考えた。しかし,深いニューラルネットワーク(DNNs)は,最近配列タスク,特に言語モデル,機械翻訳,対話システムのような自然言語処理(NLP)の分野での配列に優れた性能を達成した。ソフトウェア配列学習および予測タスクを処理する最も一般的なDNNアプローチ:配列予測分野におけるLSTM,エンコーダ-デコーダネットワークと記憶ネットワーク検討した。技術モデルの状態に基づいて三改良法は配列に追加の情報を扱うために提案した。これらのアプローチは,三つの視点:記憶ネットワークの記憶装置のための構造化であることを支援モデルとデータ処理としてロングショートタームメモリの入力埋め込みを濃縮するために情報を加え,符号器-復号器ニューラルネットワークに分類器を加えることに焦点を当てた。実ユーザデータセットに基づく実験結果は,これらの提案した方法は,それらの対応する標準DNNを凌ぎ,しかも,追加情報は,異なる相の配列ニューラルネットワークを利益を得ることができるモデルを構築することを示した。異なるユーザでの実験は,これらの改質戦略はロバストであり,広く適用できることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 記憶装置 ,  符号器 ,  *ニューラルネットワーク ,  構造形成 ,  自然言語処理 ,  ロバスト性 ,  *ネットワーク ,  言語モデル ,  データ処理 ,  ソフトウェア ,  *予測 ,  機械翻訳 ,  復号器 ,  機械学習
準シソーラス用語： *リカレントニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： リカレントニューラルネットワーク ,  パソコン ,  ソフト ,  予測