资料下载
×
关系归纳偏差和深度学习及图神经网络的详细资料说明
消耗积分:1 |
格式:pdf |
大小:8.99 MB |
2020-07-13
宋伟
分享资料个
人工智能（AI）最近经历了一次复兴，在视觉、语言、控制和决策等关键领域取得了重大进展。这在一定程度上是由于廉价的数据和廉价的计算资源，它们符合深度学习的自然优势。然而，人类智力的许多定义性特征，是在许多不同的压力下发展起来的，对于目前的方法来说仍然是遥不可及的。尤其是，超越个人经验的泛化（人类从婴儿时期起就具有智能的标志）对于现代人工智能来说仍然是一个巨大的挑战。以下是零件位置报告、零件回顾和零件统一。我们认为，组合泛化必须是人工智能实现类人能力的首要任务，结构化表示和计算是实现这一目标的关键。正如生物学合作使用自然和培养一样，我们反对在“手工工程”和“端到端”学习之间的错误选择，而是提倡一种从两者互补优势中获益的方法。我们将探讨如何在深度学习架构中使用关系归纳偏差来促进对实体、关系和组合规则的学习。我们提出了一个新的具有强关系归纳偏差的人工智能工具箱的构建块——图网络，它概括和扩展了对图进行操作的神经网络的各种方法，并为操作结构化知识和生成结构化行为提供了一个直接的接口。我们讨论了图形网络如何支持关系推理和组合泛化，为更复杂、可解释和灵活的推理模式奠定基础。作为本文的配套，我们还发布了一个用于构建图形网络的开源软件库，并演示了如何在实践中使用它们。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
