神经模块网络中基于图启发式搜索的模块选择过程
人工智能
2020-11-30 v1
摘要
神经模块网络（NMN）是一种用于解决视觉问答任务的机器学习模型。NMN 使用程序来编码模块结构，其模块化架构使其能够更合理地解决逻辑问题。然而，由于模块选择过程不可微分，NMN 难以端到端训练。为克服该问题，现有工作要么将真值程序纳入训练数据，要么应用强化学习来探索程序。但这两种方法仍有缺陷。有鉴于此，我们提出了一种用于 NMN 的新学习框架。基于图启发式搜索是我们提出的算法，通过在名为程序图的数据结构上进行启发式搜索来发现最优程序。我们在 FigureQA 和 CLEVR 数据集上的实验表明，我们的方法可在无真值程序情况下实现 NMN 训练，并在程序探索上比现有强化学习方法具有更优效率。
引用
@article{arxiv.2009.14759,
title = {Graph-based Heuristic Search for Module Selection Procedure in Neural Module Network},
author = {Yuxuan Wu and Hideki Nakayama},
journal= {arXiv preprint arXiv:2009.14759},
year = {2020}
}
备注
in Neural Module Network[C]//Proceedings of the Asian Conference on Computer Vision. 2020