元刺激的新方法：架构、嵌入与神经网络优化
人工智能
2021-02-16 v1 人机交互
摘要
本文提出了先前所提出的“元刺激架构”的六项重要新方法进展，该架构通过在用户个人信息管理系统（PIMS）中机器学习空间相关的结构位置来实现人类学习，并为触觉元刺激提供了基础。这些进展包括架构创新、循环（RNN）人工神经网络（ANN）应用、多种原子嵌入技术（包括我们受语言学启发而提出的一种称为“nabla”嵌入的新技术）、ANN 超参数（影响网络但不被训练的参数，例如学习率）优化，以及用于探索大型设计空间的元参数（决定系统性能但不被训练且非超参数的参数，例如原子嵌入技术）优化。文中概述了使用该系统进行用户 PIMS 中原子自动分类的技术。给出了 ANN 训练以及超参数和元参数优化的结果，并围绕方法学建议进行了讨论。
引用
@article{arxiv.2102.07090,
title = {New methods for metastimuli: architecture, embeddings, and neural network optimization},
author = {Rico A. R. Picone and Dane Webb and Finbarr Obierefu and Jotham Lentz},
journal= {arXiv preprint arXiv:2102.07090},
year = {2021}
}
备注
To appear in the Springer Lecture Notes in Artificial Intelligence for the Human-Computer Interaction Conference 2021, Augmented Cognition thematic area