動的文脈除去による未来予測の学習【JST・京大機械翻訳】

Xu Xinyu; Li Yong-Lu; Lu Cewu

プレプリント

J-GLOBAL ID：202202201957428932 整理番号：22P0327009

動的文脈除去による未来予測の学習【JST・京大機械翻訳】

Learning to Anticipate Future with Dynamic Context Removal

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年04月06日プレプリントサーバーでの情報更新日： 2022年06月27日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

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】

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

ロボットの運動・制御 , 人工知能

, ,

前のページに戻る