2020.12.14
一般継続的チャンキング問題とシンクマップ(脳を模倣した、最適化によらない構造学習)
- Technologies
- Audio/Visual processing Fundamental/Theoretical research Machine learning
- 九州大学 大学院 システム情報科学研究院 情報学部門
- https://arxiv.org/abs/2006.07853
私たちの脳は、複雑な時系列をその構成要素である一つのまとまり(チャンク)として学習する能力を持っています。実際、この能力は知能の鍵となりうる言語能力の獲得から、画像パターンの学習まで可能にしていると考えられています。ここでは、従来のチャンク学習の枠組みを、時間的コミュニティ構造の検出、因果構造学習、さらには教師なし継続学習へと拡張しました。我々は、時間的に問題が変化する状況においても、変数間の相関を保持可能な動的なマッピングを行うアルゴリズムを開発し、「SyncMap」と名付けました。結果として、SyncMapは様々なタイプの構造が動的に変化している場合においても、ほとんど最適な解を学習することがわかりました。提案手法をWord2vec、PARSER、MRILといった他の手法と比較すると、SyncMapの学習能力は77%の実験設定で最高水準に達し、残りの23%では2番目に優れていました。
jpTechnologies
1