文献

J-GLOBAL ID：201902273527296228   整理番号：19A2418952

シーケンス処理のためのツリーメモリネットワーク【JST・京大機械翻訳】

Tree Memory Networks for Sequence Processing

著者 (2件)： Diehl Frederik (fortiss GmbH, Munich, Germany) ,  Knoll Alois (Chair for Robotics and Embedded Systems, Technische Universitaet Muenchen, Munich, Germany)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11727  ページ： 431-443  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 長期間依存性は,それらの隠れた変換操作が配列長さに線形に適用されるので,消失と爆発勾配問題のために再帰ニューラルネットワークを用いて学習するのが難しい。新しい層型(木メモリユニット)を導入し,その重みづけはシーケンス長さに対数的にスケールする。これを2つの病理学的にハードなメモリベンチマークと2つのデータセットで評価した。長期的な依存性を必要とするこれらの3つのタスクに関しては,それはLong Short-Temメモリベースラインよりも強く性能が優れている。しかし,それはわずかな長期依存性を有するシーケンスに関してより弱い性能を示した。著者らのアプローチは,長期依存性を持つシーケンスに使用されると,より効率的なシーケンス学習に導くことができると信じる。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 線形性 ,  ニューラルネットワーク ,  ベンチマーク ,  *記憶装置 ,  *シーケンシャル処理 ,  *ネットワーク ,  学習 ,  対数 ,  重みづけ
準シソーラス用語： 長期依存性 , 【Automatic Indexing@JST】

分類 (5件)： 人工知能  (JE08000Z) ,  分子・遺伝情報処理  (JE15040B) ,  計算機システム開発  (JD02010R) ,  パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (1件)： シーケンス処理