文献

J-GLOBAL ID：201802257962916941   整理番号：18A1727901

ディープフィードフォワードニューラルネットワークを用いた人間型代数推論の学習【JST・京大機械翻訳】

Learning of human-like algebraic reasoning using deep feedforward neural networks

著者 (4件)： Cai Cheng-Hao (Department of Computer Science, The University of Auckland, 38 Princes Street, Auckland 1142, New Zealand) ,  Xu Yanyan (School of Information Science and Technology, Beijing Forestry University, 35 Qing-Hua East Road, Beijing 100083, China) ,  Ke Dengfeng (National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, 95 Zhong-Guan-Cun East Road, Beijing 100190, China) ,  Su Kaile (Institute for Integrated and Intelligent Systems, Griffith University, 170 Kessels Road, Nathan, QLD 4111, Australia)
資料名： Biologically Inspired Cognitive Architectures  (Biologically Inspired Cognitive Architectures)
巻： 25  ページ： 43-50  発行年： 2018年 
JST資料番号： W3434A  ISSN： 2212-683X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本研究では,問題解決の人間知能を模倣する代数推論システムである人間のような書換えを提案した。人間の認知の学習と推論の両面を模倣するために,人間により生成された代数的推論例から深いフィードフォワード神経回路網を学習し,学習経験を用いて他の推論過程を導いた。本研究は,ニューラルネットワークが数学的問題を解決する人間の挙動を学習できることを示して,それは推論の適切な方向を示すことができて,その結果,知的で発見的推論を実行することができた。さらに,人間のような書換えは,記号推論と生物学的に触発された機械学習の間のギャップを橋渡しする。非決定論的サイズを有する記号表現のパターンを認識するためにニューラルネットワークを可能にするために,表現を部分的ツリー表現に縮減して,次に数値的特徴としてベクトル化した。さらに,集中化法,記号相関ベクトルおよびルール適用記録を用いてベクトル化特徴を改善した。これらのアプローチにより,人間のような書換えは,線形方程式と計算の誘導および不定積分を解くタスクに対して満足な性能を示す。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *フィードフォワード ,  一次方程式 ,  積分 ,  問題解決 ,  神経回路網 ,  集中化 ,  *ニューラルネットワーク ,  *学習 ,  ベクトル ,  *代数学 ,  機械学習
準シソーラス用語： ベクトル化 ,  記号表現 ,  学習経験 , 【Automatic Indexing@JST】

著者キーワード (4件)： 推論ベース学習 ,  深層学習 ,  代数的推論 ,  ニューラルネットワーク推論

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 人間 ,  代数 ,  推論 ,  学習