Paper Today | Adaptive Subgradient Method; Multi-domain Joint Semantic Framework; No Q&A Pair Analysis; Spoken Language System Evaluation, vb.
içindekiler
Uyarlanabilir alt gradyan yöntemi çevrimiçi öğrenme ve stokastik optimizasyon
düşme: sinir ağının aşırı uymasını önleyin
Çift Yönlü RNN-LSTM'ye Dayalı Çok Alanlı Ortak Anlamsal Çerçevenin Analizi
Soru ve cevap çiftleri olmadan büyük ölçekli anlamsal analiz
Sözlü Sistem Değerlendirmesi: ATIS Alanı
Uyarlanabilir alt gradyan yöntemi çevrimiçi öğrenme ve stokastik optimizasyon
Bildiri Başlığı: Çevrimiçi Öğrenme ve Stokastik Optimizasyon için Uyarlanabilir Alt Gradyan Yöntemleri
Yazar: John Duchi / Elad Hazan / Yoram Şarkıcı
Gönderme zamanı: 2011/7/11
Kağıt bağlantısı: https://paper.yanxishe.com/review/12256?from=leiphonecolumn_paperreview0302
Önerilen neden
Temel problem: Nöral netizenler tarafından optimizasyonun nasıl öğrenileceği çok önemli bir içeriktir.Derin öğrenmeyi öğrendiğinizde, önce gradyan iniş algoritmasını öğrenmelisiniz, ancak bu yöntemin bazı sorunları vardır, bu yüzden birçok mükemmel algoritma doğmuştur.
İnovasyon noktası: Yazar, gradyan tabanlı öğrenme için önceden görüntülenen verilerin bilgilerini dinamik olarak emebilen yeni bir alt gradyan yöntemleri ailesi önermektedir.Çok bilgilendirici özellikler bulabilir.
Araştırmanın önemi: Optimizasyon algoritması her zaman derin öğrenmenin önemli noktalarından biri olmuştur.
düşme: sinir ağının aşırı uymasını önleyin
Kağıt adı: Eksiklik: Sinir Ağlarının Aşırı Takılmasını Önlemenin Basit Bir Yolu
Yazar: Nitish Srivastava / Geoffrey Hinton / Alex Krizhevsky / Ilya Sutskever / Ruslan Salakhutdinov
Yayın zamanı: 2014/11/12
Kağıt bağlantısı: https://paper.yanxishe.com/review/12213?from=leiphonecolumn_paperreview0302
Önerilen neden
Temel sorun: Sinir ağlarında sıklıkla karşılaşılan bir sorun aşırı uydurmadır Aşırı uydurmayı çözmek için birçok yöntem vardır ve bunlardan biri burada tanıtılmıştır.
İnovasyon: Bu makale bir bırakma yöntemi önermektedir, bu yöntemler şu anda sinir ağlarının aşırı uyumunu çözmek için en popüler yöntemlerdir.
Araştırmanın önemi: Aşırı uyum ciddi bir sorundur. Büyük ölçekli ağların kullanımı da yavaştır ve birçok insanın tahminlerini birleştirerek aşırı uygunluk testleriyle başa çıkmak için farklı büyük ölçekli sinir ağlarını kullanmak zordur.
Çift Yönlü RNN-LSTM'ye Dayalı Çok Alanlı Ortak Anlamsal Çerçevenin Analizi
Kağıt adı: Çift Yönlü RNN-LSTM kullanarak Çok Alanlı Ortak Anlamsal Çerçeve Ayrıştırma
Yazar: Dilek Hakkani-Tur / Gokhan Tur / Asli Celikyilmaz / Yun-Nung Chen / Jianfeng Gao / Li Deng / Ye-Yi Wang
Yayın zamanı: 2016/2/12
Kağıt bağlantısı: https://paper.yanxishe.com/review/12212?from=leiphonecolumn_paperreview0302
Önerilen neden
Temel sorun: Bu, bir diyalog sistemi için bir makaledir. Diyalog sisteminin üç ana problemi alan sınıflandırması, amaç tanıma ve varlık doldurmadır. Bu üç görevin hepsi nlp'nin alt problemleridir. Birçok model boru hatları kullanır. Biçimlendir, bağımsız olarak yap, bu makale ortak bir modeli araştırıyor
Yenilik:
Yazar, boşluk doldurma, amaç belirleme ve alan sınıflandırmasının ortak modellemesi için bir RNN-LSTM mimarisi önermektedir.
Çok görevli derin öğrenmeyi desteklemek için ortak bir çok alanlı model oluşturulmuştur ve her alandaki veriler birbirini tamamlar.
Yazar, sözlü anlamada sözcüksel bağlam modellemesi için alternatif bir mimari üzerinde çalışmaktadır.
Araştırma önemi: Deneysel sonuçlar, tek alanlı / görev derin öğrenmeye dayalı alternatif yöntemlerle karşılaştırıldığında, bu yöntemin Microsoft Cortana'nın gerçek kullanıcı verileri üzerinde daha yetenekli olduğunu göstermektedir.
Soru ve cevap çiftleri olmadan büyük ölçekli anlamsal analiz
Kağıt adı: Soru-Cevap Çiftleri Olmadan Büyük Ölçekli Anlamsal Ayrıştırma
Yazar: Siva Reddy / Mirella Lapata / Mark Steedman
Yayın zamanı: 2014/2/15
Kağıt bağlantısı: https://paper.yanxishe.com/review/12211?from=leiphonecolumn_paperreview0302
Önerilen neden
Temel soru: Soru cevaplama sisteminde, genellikle sahip olduğumuz ön bilgi soru ve cevap çiftleridir ve görev, soru ve cevapları eşleştirerek yapılır, ancak ya soru yoksa ve cevap doğruysa? Verilerden cevaplar nasıl öğrenilir?
Yenilik: Bu makaledeki model, soru-cevap çiftleri gerektirmez ve anlamsal analizi bir grafik eşleştirme problemi olarak kavramsallaştırmak için Freebase'i sorgulamak için doğal dili kullanır.
Araştırmanın önemi: FREE917 ve WEBQUESTIONS alt kümelerinin değerlendirme deneysel karşılaştırma veri setleri, anlamsal ayrıştırıcımızın en gelişmiş teknolojiden daha gelişmiş olduğunu göstermektedir.
Sözlü Sistem Değerlendirmesi: ATIS Alanı
Bildiri Başlığı: Konuşulan Dil Sistemlerinin Değerlendirilmesi: ATIS Alanı
Yazar: P J. Price.
Gönderme zamanı: 1990/6/24
Kağıt bağlantısı: https://paper.yanxishe.com/review/12210?from=leiphonecolumn_paperreview0302
Önerilen neden
Bu makale biraz eski, kaydetmek istediğim için paylaştım.
Bu makale, probleme bir miktar arka plan tanıtır, problemi ana hatlarıyla açıklar ve ATIS adı verilen "genel" görev alanında konuşma dil sistemini değerlendirmek için ön deneyler sunar.
Otomatik konuşma tanıma ve doğal dil anlamanın çeşitli yönleri tartışıldı. Konuşma dili sisteminin değerlendirilmesi, daha önce açıklanan değerlendirme mekanizmasının ötesinde büyük bir adımdır.
Makale yazar ekibinin işe alınması
AI Araştırma Enstitüsü, yapay zeka gençlerinin çoğuna daha iyi hizmet verebilmek için resmi olarak yeni bir "Tez" bölümü başlattı ve tezleri, önerileri, yorumları ve yorumları sıralayan makaleler aracılığıyla yapay zeka öğrencilerini ve gençleri bir araya getirmek için "ilgi çekici noktalar" olarak kullanmayı umdu ve kod yeniden üretildi. Yurtiçinde ve yurtdışında en son araştırma sonuçlarının incelenmesi, tartışılması ve yayınlanması için bir buluşma yeri olmaya ve mükemmel bilimsel araştırmaların daha geniş çapta yayılmasına ve tanınmasına izin vermeye kararlıdır.
Akademisyenleri sevenlerin, makale yazarlarından oluşan ekibimize katılmanızı umuyoruz.
Alabilirsiniz
1. Adınızın yazdığı bir makale sizi en göz kamaştırıcı akademik yıldız yapacak
2. Zengin ücret
3. AI ünlü şirketleri, konferans bileti avantajları, özel çevre birimleri vb.
Bildiri yazarı ekibine katılmak için ihtiyacınız olan:
1. Favori makalelerinizi araştırma kulübü üyelerinin çoğuna önerin
2. Tez yorumu yazın
AI Araştırma Enstitüsü'nün yarı zamanlı makale yazarı ekibine katılmaya hazırsanız, operasyon yapan kadının WeChat hesabını (kimlik: julylihuaijiang) ekleyebilir ve "yarı zamanlı makale yazarı" notunu yazabilirsiniz.
Lei Feng Ağı Lei Feng Ağı Lei Feng Ağı
