注意を伴うシーケンスネットワークへのシーケンスを用いた模倣の学習【JST・京大機械翻訳】

Wu Xiaohe; Obeng Morrison; Calderon Juan

文献

J-GLOBAL ID：202002290199677471 整理番号：20A0821393

注意を伴うシーケンスネットワークへのシーケンスを用いた模倣の学習【JST・京大機械翻訳】

Learn to Imitate Using Sequence to Sequence Network with Attention

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=20A0821393&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A0821393&from=J-GLOBAL&jstjournalNo=W2441A") }}

著者 (3件)： , ,
資料名：
巻： 2019 号： SoutheastCon ページ： 1-5 発行年： 2019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)

模倣は,より複雑な概念,特に相互に,より複雑な概念を学ぶために,知的のための重要な最初のステップである。それにもかかわらず,それによる模倣は,学習する必要がある能力である。本研究において,著者らは,単純な模倣行動が,注意によってネットワークを配列するために,順序を使用することによって,どのように学習することができるかを実証した概念の証明として,入力として同じ単語になる文字列を入力し,出力系列を生成することにより,英語語,文字により文字を取り込むことができるエージェントを開発した。そうすることによって,エージェントは模倣する能力を持つことを証明した。入力英語語は最初に符号器ネットワークを通して文脈ベクトルの集合に変換され,それは単語の意味情報またはエージェントにのみ意味のある他の抽象概念を含む可能性がある。次に,コンテキストベクトルを復号器ネットワークに供給し,出力系列を生成した。復号器ネットワークにおける注意機構は,訓練の間,改善された性能とはるかに速い収束をもたらすことができることが観察される。模倣挙動を首尾よく作成し,文脈ベクトルの関連性を証明した。より重要なことに,生成された文脈ベクトルは,複雑な概念学習や推論のようなより高度なタスクを支援するためにさらに処理できる。本研究で提示したアイデアは,他のより現実的なロボット模倣挙動を生成するために使用することができる。他のロボットによって実行される運動の順序を複製するエージェントによる話し言葉/文のheを繰り返すことのようなタスクは,一連の音を複製するタスクに分解されるか,または文字列,単語,あるいは数によって符号化される。Copyright 2020 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】

, , , , , , , , , ,
, 【Automatic Indexing@JST】

図形・画像処理一般

, , ,

前のページに戻る