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。
ニューラルネットワークは強力な機能推定子であり,構造化データをモデル化するための選択のパラダイムとしてそれらの状態をもたらす。しかし,問題のモジュール性を強調する他の構造化表現とは異なり,因子グラフ-ニューラルネットワークは通常,固定計算次数で入力から出力へのモノリシックマッピングである。この限界は,モデル化変数間の計算および相互作用の異なる方向を捉えることを防ぐ。本論文では,因子グラフとニューラルネットワークの表現強度を結合して,無向ニューラルネットワーク(UNN)を提案し,任意の順序で実行できる計算を指定するための柔軟なフレームワークを提案した。特定の選択のために,著者らの提案モデルは,多くの既存のアーキテクチャ,すなわちフィードフォワード,リカレント,自己注意ネットワーク,自動エンコーダ,および陰的層を有するネットワークを拡張する。著者らは,非構造化および構造化の両者の無向神経アーキテクチャの有効性を,タスクの範囲,即ち,ツリー制約依存性構文解析,畳込み画像分類,および注意による配列完了,について実証した。計算次数を変えることによって,単一UNNが分類器とプロトタイプ発生器の両方としてどのように使用できるか,また入力シーケンスの欠落部分に如何に埋めることができるかを示し,それらをさらなる研究のための有望な分野にした。【JST・京大機械翻訳】