ANNETT-O：描述人工神经网络评估、拓扑与训练的本体
人工智能
2018-05-11 v2 机器学习
机器学习
摘要
深度学习模型虽然有效且通用，却正变得日益复杂，常包含任意深度的多个重叠网络、多目标以及非直观的训练方法。这使得研究人员与从业者越来越难以设计、训练和理解它们。本文中我们提出 ANNETT-O，一个亟需的、通用的且计算机可操作的词汇表，供研究人员与从业者描述其深度学习配置、训练过程与实验。所提出的本体聚焦于复杂深度神经配置的拓扑、训练与评估方面，同时将外围实体保持更为简洁。实现 ANNETT-O 的知识库可支持多种查询，为用户提供相关洞察。除对本体的详细描述外，我们通过若干复杂度递增的假设用例展示了其对该任务的适用性。
引用
@article{arxiv.1804.02528,
title = {ANNETT-O: An Ontology for Describing Artificial Neural Network Evaluation, Topology and Training},
author = {Iraklis A. Klampanos and Athanasios Davvetas and Antonis Koukourikos and Vangelis Karkaletsis},
journal= {arXiv preprint arXiv:1804.02528},
year = {2018}
}