一种利用跨域空间特征的迁移学习目标识别方法
机器学习
2019-11-25 v1 人工智能
摘要
推断他人意图、预测其目标并推导其计划的能力是智能体的关键特征。长期以来，多种方法研究了符号表示与推理的使用，但成效有限，主要原因在于难以显式地捕捉人类决策背后的认知知识。如今的趋势日益聚焦于直接从数据中学习推断意图，特别是使用深度学习。我们现在观察到意图分类在自然语言处理、视觉活动识别中的有趣应用，以及其他领域中新兴的方法。本文讨论了一种结合少样本与迁移学习以及跨域特征的新方法，以学习推断在物理环境中导航、执行任意长动作序列以实现其目标的智能体的意图。在合成环境中的实验表明，与深度学习基线方法相比，在从少量样本学习和泛化到未见配置方面性能有所提升。
引用
@article{arxiv.1911.10134,
title = {A Transfer Learning Method for Goal Recognition Exploiting Cross-Domain Spatial Features},
author = {Thibault Duhamel and Mariane Maynard and Froduald Kabanza},
journal= {arXiv preprint arXiv:1911.10134},
year = {2019}
}