估计并替换:一种将深度神经网络与现有应用集成的全新方法
机器学习
2018-04-25 v1 计算与语言
机器学习
摘要
现有应用包含大量深度神经网络难以触及的知识。本文提出一种将现有应用的调用集成到深度学习架构中的新方法。利用该方法,我们用一个估计器来估计每个应用的功能,该估计器以深度神经网络(DNN)实现。随后将该估计器嵌入基础网络,并在端到端优化过程中引导基础网络遵从应用的接口。在推理时,我们将每个估计器替换为其对应的现有应用,并让基础网络通过与现有应用交互来完成任务。使用这种“估计并替换”方法,我们能够以更少的数据端到端训练DNN,并且性能优于未与外部应用交互的同类DNN。
引用
@article{arxiv.1804.09028,
title = {Estimate and Replace: A Novel Approach to Integrating Deep Neural Networks with Existing Applications},
author = {Guy Hadash and Einat Kermany and Boaz Carmeli and Ofer Lavi and George Kour and Alon Jacovi},
journal= {arXiv preprint arXiv:1804.09028},
year = {2018}
}