抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
将来のイベントの予測は,知的システムおよび具体化されたAIにとって本質的な特徴である。しかしながら,従来の認識タスクと比較して,将来および推論能力要求の不確実性は,予測タスクを,解決を非常に困難にし,はるかに超える。この分野では,以前の方法は,通常,モデルアーキテクチャ設計についてより多くの注意を払っているが,適切な学習政策で予測モデルを訓練する方法にはほとんど注意が払われていない。この目的のために,本研究では,動的コンテキスト除去(DCR)と呼ばれる新しい訓練方式を提案し,それは学習手順において観測された未来の可視性を動的にスケジュールする。それは,人間のようなカリキュラム学習プロセス,すなわち,最終的予想目標を満たすまで,予想困難を増加させるためにイベントコンテキストを徐々に除去する。著者らの学習方式はプラグアンドプレイであり,変圧器とLSTMを含む推論モデルを統合するのが容易であり,有効性と効率の両方の利点を有する。広範囲な実験において,提案方法は,4つの広く使用されたベンチマークに関して最先端技術を達成した。著者らのコードとモデルはhttps://github.com/AllenXuuu/DCRで公開されている。【JST・京大機械翻訳】