文献

J-GLOBAL ID：202202247369388728   整理番号：22A0104592

貯水池スタック機械【JST・京大機械翻訳】

Reservoir stack machines

著者 (3件)： Paassen Benjamin (Humboldt-University of Berlin, Rudower Chausee 25, Berlin 12489, Germany) ,  Schulz Alexander (Bielefeld University, Inspiration 1, Bielefeld 33619, Germany) ,  Hammer Barbara (Bielefeld University, Inspiration 1, Bielefeld 33619, Germany)
資料名： Neurocomputing  (Neurocomputing)
巻： 470  ページ： 352-364  発行年： 2022年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： メモリ増強ニューラルネットワークは,長い時間にわたって干渉なしに情報記憶を必要とするタスクをサポートするために,明示的メモリを持つリカレントニューラルネットワークを装備する。そのような研究の重要な動機は,構文解析のような古典的計算タスクを実行することである。しかし,メモリ増強ニューラルネットワークは,多くのバックプロパゲーション時代と多くのデータを必要とする,訓練が困難であった。本論文では,すべての決定論的文脈フリー言語を証明可能に認識し,反復ネットの出力層のみを訓練し,スタックとの望ましい相互作用について訓練中の補助情報を用いて訓練問題を回避できる,貯留層スタックマシンを導入した。実験では,ニューラルTuring機械と6つの決定論的文脈フリー言語のための3つのベンチマークタスクに関する文献から,深部と浅いネットワークに対する貯留層スタックマシンを検証した。その結果,貯水池スタックマシンは訓練データよりも長いテストシーケンスでもゼロ誤差を達成し,訓練時間数秒と訓練シーケンス100秒だけを必要とすることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  相互作用 ,  *貯水池 ,  言語 ,  ネットワーク ,  ニューラルネットワーク ,  Turing機械 ,  構文分析 ,  情報蓄積 ,  ベンチマーク ,  逆伝搬法 ,  機械学習
準シソーラス用語： 訓練データ ,  リカレントニューラルネットワーク ,  決定論 , 【Automatic Indexing@JST】

著者キーワード (5件)： 貯留層計算 ,  ランダム機械学習 ,  文脈自由言語 ,  LRオートマトン ,  メモリ増強ニューラルネットワーク

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 貯水池 ,  スタック