文献

J-GLOBAL ID：201902264334394247   整理番号：19A0248323

リカレントニューラルネットワークの隠れたメモリの理解【JST・京大機械翻訳】

Understanding Hidden Memories of Recurrent Neural Networks

著者 (7件)： Ming Yao (Hong Kong University of Science and Technology) ,  Cao Shaozu (Hong Kong University of Science and Technology) ,  Zhang Ruixiang (Hong Kong University of Science and Technology) ,  Li Zhen (Hong Kong University of Science and Technology) ,  Chen Yuanzhe (Hong Kong University of Science and Technology) ,  Song Yangqiu (Hong Kong University of Science and Technology) ,  Qu Huamin (Hong Kong University of Science and Technology)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： VAST  ページ： 13-24  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： 再帰ニューラルネットワーク(RNNs)は,様々な自然言語処理(NLP)タスクにうまく適用され,従来の方法よりも良好な結果を達成した。しかしながら,それらの有効性の背後にある機構の理解の欠如は,それらのアーキテクチャに関する更なる改善を制限する。本論文では,NLPタスクに対するRNNモデルを理解し,比較するための視覚分析法を提案した。入力テキストに対する期待される応答に基づいて,個々の隠れ状態ユニットの関数を説明する手法を提案した。次に,期待された応答に基づいて隠れ状態ユニットと単語を共クラスタ化し,メモリチップと単語クラウドとして共クラスタリング結果を可視化し,RNNsの隠れ状態に関するより構造化された知識を提供した。また,センテンレベルにおけるRNNの隠れ状態の挙動を解析するために,集合情報に基づくグリフベースのシーケンス可視化を提案した。この方法の有用性と有効性を,事例研究を通して実証し,ドメイン専門家からレビューした。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 単語 ,  可視化 ,  計算機アーキテクチャ ,  クラスタ化 ,  有効性 ,  自然言語処理 ,  *記憶装置 ,  *ニューラルネットワーク ,  事例研究
準シソーラス用語： テキスト ,  視覚分析 ,  *リカレントニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： リカレントニューラルネットワーク ,  理解