UEI Corporation is a user on mstdn.uei.co.jp. You can follow them or interact with them if you have an account anywhere in the fediverse. If you don't, you can sign up here.
38427c170815785f

UEI Corporation @info

Piecewise Linear Neural Network verification: A comparative study
区分線形ニューラルネットワーク検証:比較研究
arxiv.org/abs/1711.00455

要約:Deep Learningの成功と多くの重要な安全上重要なアプリケーションでの潜在的な使用は、ニューラルネットワーク(NN)モデルの正式な検証に関する研究に動機を与えています。研究者は、学習されたNNモデルがブラックボックスとして動作するという評判と、その特性を証明する理論的硬度にもかかわらず、区分的線形構造を利用していくつかのクラスのモデルを検証することに成功しています。残念なことに、これらのアプローチのほとんどは、他のアプローチと比較せずにアルゴリズムをテストします。結果として、異なるアルゴリズムの長所と短所は、...

Building Data-driven Models with Microstructural Images: Generalization and Interpretability
微細構造画像によるデータ駆動モデルの構築:一般化と解釈可能性
arxiv.org/abs/1711.00404

要旨:材料駆動型アプリケーションでは、データ駆動型メソッドが普及しているため、重要な疑問は、これらの機械学習モデルを使用して微細構造を理解する方法です。材料科学全体でのプロセス - 構造 - 特性関係の重要性を考慮すると、微細構造データを活用できるモデルは、特性情報を予測する能力が高いと考えられます。微細構造画像を理解するために畳み込みニューラルネットワークを使用する試みが最近行われていますが、これらの初期の研究では、どの機能化が最高のMac...

Minimal Exploration in Structured Stochastic Bandits
構造化確率的盗賊における最小探査
arxiv.org/abs/1711.00400

要旨:この論文は、腕を対応する報酬にマッピングする関数がいくつかの既知の構造的性質を示す確率的な強盗問題の幅広いクラスを紹介し、扱う。既存の構造(例えば、リニア、リプシッツ、ユニモーダル、コンビナトリアル、デュエルリングなど)は、私たちのフレームワークの対象です。これらの問題に対する漸近的インスタンス固有の後退の下限を導き出し、この基本的な限界に後悔するアルゴリズムであるOSSBを開発する。 OSSBは、「不確実性に直面した楽観主義」やトムソンのサンプリングについての古典的原則に基づくものではなく、...

Counterfactual Explanations without Opening the Black Box: Automated Decisions and the GDPR
ブラックボックスを開かない反証的説明:自動決定とGDPR
arxiv.org/abs/1711.00399

要約:EUの一般データ保護規制における説明権、その存在、長所、短所について多くの議論が行われてきた。アルゴリズム的な意思決定のブラックボックスを開く説明の権利を実装することは、法的および技術的な大きな障害に直面しています。複雑なアルゴリズム意思決定システムの機能とその具体的な理由による理論的根拠を説明することは、技術的に困難な問題です。いくつかの説明は、データ主体に意味のある情報をほとんど提供せず、その価値について疑問を投げかけます。自動化された決定の説明...

Servant of Many Masters: Shifting priorities in Pareto-optimal sequential decision-making
多くのマスターの奉仕者:パレート最適の連続した意思決定における優先順位のシフト
arxiv.org/abs/1711.00363

要約:異なる効用関数を持つ2人以上のプリンシパルに代わって意思決定を行うエージェントは、犠牲を払うことなく1人のエージェントに対して改善できないポリシーであるパレート最適ポリシーを採用すべきであると主張されることが多い別のHarsanyiの有名な定理は、プリンシパルがすべてのポリシーの結果分布に関して共通の前提を持つ場合、エージェントのパレート最適ポリシーは、プリンシパルのユーティリティの固定加重線形結合を最大にするポリシーであることを示しています。この論文では、Harsanyiの定理が原理のために成り立たないことを示す...

Still not systematic after all these years: On the compositional skills of sequence-to-sequence recurrent networks
これらの年を経てもまだ系統的ではない:配列間反復ネットワークの構成技術
arxiv.org/abs/1711.00350

要旨:人間は、体系的な構成スキルのおかげで、簡単に新しい発話を理解し、生成することができます。新しい動詞 "dax"の意味を学ぶと、 "dax twice"または "sing and dax"の意味を即座に理解することができます。本稿では、SCANドメインを紹介する。SCANドメインは、一連の単純な構成ナビゲーションコマンドと、対応するアクションシーケンスとのペアで構成される。次に、SCAN上で訓練されたさまざまなリカレントニューラルネットワーク(RNN)のゼロショット汎化能力をシーケンス間の方法でテストします。我々は、RNNsは、...

Acquiring Target Stacking Skills by Goal-Parameterized Deep Reinforcement Learning
ゴールパラメータ化された深部強化学習による目標積み上げスキルの獲得
arxiv.org/abs/1711.00267

要旨:物理現象を理解することは、人間の知能の重要な要素であり、過去には見えない環境との物理的な相互作用を可能にする。本論文では、人工エージェントが環境との相互作用を通じてこの直感を自律的に獲得する方法を研究する。試行錯誤を経てポリシーをエンドツーエンドで学習できる物理シミュレーションを使用して、合成ブロックスタッキング環境を作成しました。これにより、ポリシー内の物理的な知識を明示的にモデル化するようにバイパスします。具体的には、エージェントが所与の目標状態に到達することを要求するタスク...

Link prediction in drug-target interactions network using similarity indices
類似指標を用いた薬物 - 標的相互作用ネットワークにおけるリンク予測
arxiv.org/abs/1711.00150

要約:背景:インシリコの薬物 - 標的相互作用(DTI)予測は、薬物再配置において不可欠な役割を果たす。既存の薬物の新しい用途の発見である。薬物再配置の一般的な方法の1つは、複雑なネットワーク理論を用いて薬物標的ネットワークからのDTIを予測するネットワークベースのDTI予測である。現在、ほとんどのネットワークベースのDTI予測は、制限付きボルツマンマシン(RBM)やサポートベクターマシン(SVM)などの機械学習方法に基づいています。これらの方法は、薬物、標的およびDTIの特性に関する追加情報、例えば化学構造...

Visualizing and Understanding Atari Agents
アタリエージェントの可視化と理解
arxiv.org/abs/1711.00138

要約:深い強化学習(深いRL)エージェントは、広範なゲームプレイおよび連続的な制御タスクにおいて顕著な成功を収めている。これらのエージェントは報酬を最大化するのに効果的ですが、そうするためにどの戦略を使用するのか不明なことがよくあります。本稿では、3つのAtari 2600環境でケーススタディを行い、深いRLエージェントについて説明します。特に、意思決定中の視覚的注意パターンに関してエージェントを理解することに焦点を当てる。この目的のために、豊かな顕著性マップを生成する方法を紹介し、それを用いて1)何番目...

Pomegranate: fast and flexible probabilistic modeling in python
ザクロ:Pythonで高速で柔軟な確率モデルを作成する
arxiv.org/abs/1711.00137

要旨:Pythonで確率論的モデリングのためのオープンソースマシン学習パッケージであるザクロを発表します。確率論的モデリングは、確率分布を使用して不確実性を明示的に記述する幅広い方法を包含する。ザクロで実施される3つの広く使われる確率モデルは、一般的な混合モデル、隠れマルコフモデル、ベイジアンネットワークです。ザクロの主な焦点は、トレーニングモデルの複雑さをその定義から抽象化することです。これにより、ユーザーは、アプリケーションに適したモデルを指定することに集中することができます。...

Automata Guided Hierarchical Reinforcement Learning for Zero-shot Skill Composition
ゼロショットスキル合成のためのオートマトン誘導階層強化学習
arxiv.org/abs/1711.00129

要約:制御システムにおける(深い)強化学習(RL)の幅広い採用を妨げる障害は、スキルを習得するために環境との大量の対話が必要であることです。学習されたスキルは、通常、ドメイン全体では一般化されておらず、新たな課題が提示された場合には、再トレーニングがしばしば必要です。我々は、正式な方法の方法と階層的強化学習(HRL)を組み合わせたフレームワークを提示する。私たちが提供する技術のセットは、複雑な論理を持つタスクの便利な仕様を可能にし、階層的なポリシー(メタコントローラと低...

Beyond Shared Hierarchies: Deep Multitask Learning through Soft Layer Ordering
共有階層を超えて:ソフトレイヤオーダリングによるディープマルチタスク学習
arxiv.org/abs/1711.00108

要約:既存のディープマルチタスク学習(MTL)アプローチは、タスク間で共有されているレイヤーを並行順序付けで整列させます。そのような組織は、学ぶことができる共有構造のタイプを大きく制限する。深いMTLの並列順序付けの必要性は、共有されたレイヤーの並べ替え順序と比較することによって最初にテストされます。その結果、フレキシブルな順序付けにより、より効果的な共有が可能になり、さまざまなタスクで共有されるレイヤーをさまざまな方法で適用する方法を学習するソフトオーダーアプローチの開発が促進されることが示されました。ソフトオーダーの優れたMTL...

DCN+: Mixed Objective and Deep Residual Coattention for Question Answering
DCN +:質問応答のための混在した目的と深い残響
arxiv.org/abs/1711.00106

要約:質問応答の伝統的なモデルは、クロスエントロピー損失を使用して最適化します。これは、まったく正確である可能性のある近接または重複する回答に対してペナルティを課して正確な回答を促します。我々は、クロスエントロピー損失と自己決定的な政策学習とを組み合わせた混合目標を提案する。目的は、評価指標と最適化目的との間の不整合を解決するために、単語の重なりから得られた報酬を使用する。混在した目的に加えて、我々は、最近の研究に触発された深い残存コータエンエンコーダを備えたダイナミックコアテンテンネットワーク(DCN)を改善する。...

Fraternal Dropout
兄弟間の脱落
arxiv.org/abs/1711.00066

要約:リカレントニューラルネットワーク(RNN)は、言語モデル化と逐次予測に有用なニューラルネットワークの中で重要なクラスのアーキテクチャです。しかしながら、RNNの最適化は、フィードフォワードニューラルネットワークと比較して困難であることが知られている。この問題に対処するために、多くの技術が文献で提案されている。本稿では、この目標を達成するためにドロップアウトを利用する兄弟的な脱落と呼ばれる簡単な手法を提案する。具体的には、異なるドロップアウトマスクを持つRNN(パラメータを共有する)の2つの同一のコピーを訓練し、差異を最小化することを提案する...

Abnormal Spatial-Temporal Pattern Analysis for Niagara Frontier Border Wait Times
ナイアガラフロンティア境界待ち時間の異常時空間パターン分析
arxiv.org/abs/1711.00054

要約:国境通過遅延は、巨大な経済損失や重い環境汚染などの問題を引き起こす。国境通過遅延の性質についてさらに理解するために、この調査では、ナイアガラフロンティアの歴史的な境界待ち時間データを処理する辞書ベースの圧縮アルゴリズムが適用されています。米国とカナダを結ぶ3つの橋で、乗用車とトラックの両方の異常時空間パターンを識別することができます。さらに、各車両タイプおよび各方向について、3つのブリッジにわたって待ち時間パターンをランク付けするための定量化異常スコアを提供する。分析することにより...

Unsupervised Machine Translation Using Monolingual Corpora Only
単一言語コーパスのみを用いた教師なし機械翻訳
arxiv.org/abs/1711.00043

要約:機械翻訳は、近年の深層学習の進歩と大規模な並列コーパスの可用性のおかげで、印象的なパフォーマンスを達成しました。これらの成功を低リソース言語のペアにまで拡張する試みは数多くありましたが、何万もの並列文が必要でした。この研究では、この研究の方向性を極限まで引き上げ、パラレルデータがなくても翻訳することが可能かどうかを調べます。我々は、単一言語のコーパスから2つの異なる言語で文章を取り、それらを同じ潜伏にマップするモデルを提案する...

Meta-Learning and Universality: Deep Representations and Gradient Descent can Approximate any Learning Algorithm
メタ学習と普遍性:深い表現と勾配降下はどの学習アルゴリズムにも近似できる
arxiv.org/abs/1710.11622

要約:学習することは、モデルがより効果的かつ効率的に学習できるようにするための強力なパラダイムです。メタ学習の一般的なアプローチは、訓練データセットを入力として読み込み、学習モデルのパラメータを出力するための再帰モデルを訓練すること、または新しいテスト入力の予測を出力することです。あるいは、最近のメタ学習のアプローチは、標準勾配降下を介して新しいタスクに効果的に微調整できる深い表現を獲得することを目指しています。本論文では、普遍性の観点からメタ学習問題を考え、...

Whodunnit? Crime Drama as a Case for Natural Language Understanding
Whodunnit?自然言語理解の事例としての犯罪劇
arxiv.org/abs/1710.11601

要旨:本稿では、CSI:Crime Scene Investigationなどのテレビ番組で実証された犯罪劇は、実際の自然言語の理解とそれに関連する複雑な推論を近似するための理想的なテストベッドであると主張する。私たちは、犯罪ドラマを新しい推論課題として扱うことを提案します。各エピソードは同じ基本的な質問(すなわち、犯罪を犯した人物)を提起し、加害者が明らかになったときに自然に答えを出すという事実を利用します。我々は、CSIエピソードに基づいて新しいデータセットを開発し、加害者識別をシーケンスラベリング問題として形式化し、...

Learning Graph Convolution Filters from Data Manifold
データマニホールドからの学習グラフ畳み込みフィルタ
arxiv.org/abs/1710.11577

要約:畳み込みニューラルネットワーク(CNN)は、局所的な潜在的な特徴を捕捉する優れた能力を有するコンピュータビジョンタスクにおいて、非常に大きな成功を収めている。近年、CNNを一般的な空間領域に拡張することに関心が高まっている。様々なタイプのグラフおよび幾何畳み込み法が提案されているが、従来の2D畳み込みへのそれらの接続はよく理解されていない。この論文では、深さ方向に分離可能な畳み込みがギャップを閉じるための鍵であることを示し、これに基づいて、exisを包含する新規の深度分離可能な畳み込みを導出する...

SemTK: An Ontology-first, Open Source Semantic Toolkit for Managing and Querying Knowledge Graphs
SemTK:知識グラフの管理と問い合わせのためのオントロジーファーストオープンソースセマンティックツールキット
arxiv.org/abs/1710.11531

要約:複数の高プロファイルの人工知能および認知アプリケーションにおける有効化技術としてのナレッジグラフの比較的最近の採用により、セマンティックウェブ技術スタックへの関心が高まっている。しかし、多くのセマンティクス関連のツールは、意味論的な技術を深く理解している専門家に役立つことに重点を置いています。例えば、リレーショナルデータの3倍化は利用可能ですが、OWL / RDFに精通していないユーザーがセマンティックなトリプルストアにデータを直感的にインポートできるオープンソースツールはありません。さらに、多くのツールでは、ユーザーに...