面向序列到序列与时间序列模型的人工神经网络知识集成技术综述
机器学习
2020-08-14 v1 人工智能
计算与语言
摘要
近年来，随着海量计算能力的出现和大量数据的可用，深度神经网络使得在多个领域中探索未知领域成为可能。但有时由于数据不足、数据质量差、数据可能未广泛覆盖领域等原因，它们表现不佳。基于知识的系统利用专家知识进行决策并适当地采取行动。此类系统在决策过程中保持可解释性。本文重点探索将专家知识集成到深度神经网络中以用于序列到序列和时间序列模型的技术，以提升其性能和可解释性。
引用
@article{arxiv.2008.05972,
title = {A Survey on Knowledge integration techniques with Artificial Neural Networks for seq-2-seq/time series models},
author = {Pramod Vadiraja and Muhammad Ali Chattha},
journal= {arXiv preprint arXiv:2008.05972},
year = {2020}
}
备注
9 pages, 2 figures