文献

J-GLOBAL ID：202102229056471858   整理番号：21A0065663

Chatterbotによる多言語相互作用を予測するための深層学習の研究【JST・京大機械翻訳】

Investigating Deep Learning for Predicting Multi-linguistic Interactions with a Chatterbot

著者 (7件)： Kulesza R. (Kean University,Computer Science,Union NJ,USA) ,  Kumar Y. (Kean University,Computer Science,Union NJ,USA) ,  Ruiz R. (Kean University,Computer Science,Union NJ,USA) ,  Torres A. (Kean University,Computer Science,Union NJ,USA) ,  Weinman E. (Kean University,Computer Science,Union NJ,USA) ,  Li J. J. (Kean University,Computer Science,Union NJ,USA) ,  Morreale P. (Kean University,Computer Science,Union NJ,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICBDA  ページ： 20-25  発行年： 2020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： 深層学習(DL)は,画像認識,音声解釈,言語予測および翻訳のような多くのタスクの実行における成功のため,人工知能(AI)機械学習のための主流技術になる。チャタットボットによる人間多言語会話を予測するための最適DLNNを設計するためのDLニューラルネットワーク(NN)の根底にある原理を研究した。本研究は,様々な特性データに対する最適NN設計を見つけるよく知られた未解決問題に取り組むことを試みた。特に,時間進行による再電流ニューラルネットワーク(RNN)モデルに焦点を当て,次のステップ,すなわち,それが以前に学習するのに,次のステップを予測する現在の入力から結果を考慮した。精度および訓練時間に関して最適性能を達成するためにRNNの調整の実験を通して,著者らは,単語数およびニューロンの層のような特性が訓練性能に影響を及ぼすことができることを見出した。ユーザが機械予測を予測する「Beat AI」と呼ばれるコンピュータにより生成される単語を推測できる,IBM Watsonに触発されたゲーム実装に調整最適モデルを適用した。Copyright 2021 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： *相互作用 ,  電流 ,  ゲーム ,  *言語 ,  ニューロン ,  ニューラルネットワーク ,  人工知能 ,  単語 ,  コンピュータ ,  機械学習 ,  会話 ,  画像認識
準シソーラス用語： *多言語 ,  未解決問題 ,  *深層学習 , 【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 (5件)： 多言語 ,  相互作用 ,  予測 ,  深層学習 ,  研究