抽象的視覚推論のための深層学習法:Ravenの漸進的行列に関する調査【JST・京大機械翻訳】

Malkinski Mikolaj; Mandziuk Jacek

プレプリント

J-GLOBAL ID：202202213584978340 整理番号：22P0281542

抽象的視覚推論のための深層学習法:Ravenの漸進的行列に関する調査【JST・京大機械翻訳】

Deep Learning Methods for Abstract Visual Reasoning: A Survey on Raven's Progressive Matrices

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 (2件)： ,
資料名：
発行年： 2022年01月28日プレプリントサーバーでの情報更新日： 2022年04月19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)

抽象視覚推論(AVR)ドメインは,与えられた場面に存在するエンティティ間の関係について,その能力を必要とする問題解決を含む。一般に,人間は,事前の経験なしでも,AVRタスクを「自然」方法で解決するが,現在の機械学習システムでは,この種の問題は難しいことが証明されている。本論文では,機械知能を研究するためのプロキシとして,AVR問題を解くための深層学習法の適用における最近の進展を要約した。AVRタスクの最も一般的なタイプ,RavenのProgressive Matices(RPM),およびRPMベンチマークセットと同様に,RPMを解くための学習方法と深層ニューラルモデルの包括的なレビューを提供する。RPMを解く最先端の手法の性能解析は,この分野における現在の傾向と将来の傾向に関する特定の洞察と注目の定式化を導く。著者らは,実世界問題がRPM研究の発見から利益を得る方法を示すことによって,本論文を結論づけた。【JST・京大機械翻訳】

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

人工知能

, , , ,

前のページに戻る