神经引导的结构推断
机器学习
2019-08-16 v2 人工智能
符号计算
机器学习
摘要
大多数结构推断方法要么依赖穷举搜索，要么是纯数据驱动的。穷举搜索能够稳健地推断任意复杂数据的结构，但速度慢。数据驱动方法允许高效推断，但当测试数据的结构比训练数据更复杂时无法泛化。本文提出一种混合推断算法——神经引导的结构推断（NG-SI），兼具基于搜索与数据驱动方法的优点。NG-SI 的核心思想是利用神经网络引导在结构的组合空间上进行分层、逐层的搜索。我们在两个代表性的结构推断任务上评估了我们的算法：概率矩阵分解与符号程序解析。它在两个任务上均优于数据驱动和基于搜索的替代方法。
引用
@article{arxiv.1906.07304,
title = {Neurally-Guided Structure Inference},
author = {Sidi Lu and Jiayuan Mao and Joshua B. Tenenbaum and Jiajun Wu},
journal= {arXiv preprint arXiv:1906.07304},
year = {2019}
}
备注
Proceedings of the 36th International Conference on Machine Learning (ICML 2019). First two authors contributed equally. Project page: http://ngsi.csail.mit.edu