人类引导的列网络学习：以建议增强深度学习
机器学习
2019-04-16 v1 人工智能
机器学习
摘要
近来，深度模型已成功应用于若干领域，尤其是具有低层表示的任务。然而，稀疏含噪样本以及结构化领域（含多个对象与交互）仍是大多数深度模型面临的开放挑战。列网络（Column Networks）作为一种深度架构，可简洁地刻画此类领域结构与交互，但仍可能易于从稀疏含噪样本中习得次优结果。受人类建议引导学习在人工智能中（尤其在数据稀缺领域）成功的启发，我们提出了知识增强列网络（Knowledge-augmented Column Networks），其利用人类建议/知识以在含噪/稀疏样本下实现更好的学习。我们的实验表明，该方法可带来更优的整体性能或更快速的收敛（即既有效又高效）。
引用
@article{arxiv.1904.06950,
title = {Human-Guided Learning of Column Networks: Augmenting Deep Learning with Advice},
author = {Mayukh Das and Yang Yu and Devendra Singh Dhami and Gautam Kunapuli and Sriraam Natarajan},
journal= {arXiv preprint arXiv:1904.06950},
year = {2019}
}
备注
Under Review at 'Machine Learning Journal' (MLJ)