Neuro-SERKET：通过深度概率生成模型组合构建集成认知系统
机器学习
2023-01-18 v2 人工智能
摘要
本文描述了一个基于概率生成模型（PGMs）的集成认知系统开发框架，称为 Neuro-SERKET。Neuro-SERKET 是 SERKET 的扩展，能够组合以分布式方式开发的基本 PGM，并提供一种允许组合后的 PGM 以无监督方式在整个系统中学习的方案。除了 SERKET 支持的头到尾连接外，Neuro-SERKET 还支持尾到尾和头到头连接，以及基于神经网络的模块，即深度生成模型。作为 Neuro-SERKET 应用的一个示例，通过组合变分自编码器（VAE）、高斯混合模型（GMM）、潜在狄利克雷分配（LDA）和自动语音识别（ASR）开发了一个集成模型。该模型称为 VAE+GMM+LDA+ASR。通过使用数字图像数据和语音信号的多模态分类任务，证明了 VAE+GMM+LDA+ASR 的性能以及 Neuro-SERKET 的有效性。
引用
@article{arxiv.1910.08918,
title = {Neuro-SERKET: Development of Integrative Cognitive System through the Composition of Deep Probabilistic Generative Models},
author = {Tadahiro Taniguchi and Tomoaki Nakamura and Masahiro Suzuki and Ryo Kuniyasu and Kaede Hayashi and Akira Taniguchi and Takato Horii and Takayuki Nagai},
journal= {arXiv preprint arXiv:1910.08918},
year = {2023}
}
备注
New Gener. Comput. (2020)