用於文檔理解的面向對象神經規劃
活動回顧
分享主題:用於文檔理解的面向對象神經規劃
分享人:鄭達奇,博士期間師從中科院計算所 / 都柏林城市大學劉群教授,後加入深度好奇。期間作為學術帶頭人在深度學慣用於長文本生成等項目有重要貢獻,參與了面向對象的神經規劃、非線性文本表示等研究項目。鄭博士長期從事機器翻譯及人工智慧的研究,在自然語言處理和神經符號智能等領域有較深的造詣。
深度好奇提出了用於垂直領域文檔理解的 OONP 框架,它使用離散的對象本體圖結構作為中間狀態,該狀態被 OONP 創建、更新直至最終輸出。這個解析過程被 OONP 轉化成為按照文本閱讀順序的離散動作的決策序列,模仿了人理解文本的認知程。OONP 框架提供了神經符號主義的一個實例:在 OONP 框架內,連續信號、表示、操作和離散信號、表示、操作緊密結合,形成信息閉環。這使得 OONP 可以靈活地將各種先驗知識用不同形式加入到行間記憶和策略網路中。為了優化 OONP,深度好奇利用監督學習和強化學習以及二者的各種混合態,以適應不同強度和形式的監督信號以訓練參數。
觀看完整回顧大概需要45分鐘
新人福利
關注 AI 研習社(okweiwu),回復1領取
【超過 1000G 神經網路 / AI / 大數據,教程,論文】
※緊跟未來深度學習框架需求,TensorFlow 推出 Eager Execution
※如何看待 Hinton 那篇備受關注的Capsules論文?
※加速深度學習的訓練和推理
TAG:AI研習社 |