使用在数位排列对上训练的神经网络执行算术运算
机器学习
2019-12-09 v1 计算机视觉与模式识别
摘要
在本文中，一个神经网络被训练以使用拼接的手写数字对图像来执行简单算术。一个卷积神经网络用由两个并排手写数字组成的图像进行训练，其中图像的标签是组合图像中两个数字之和。关键在于，该网络在训练期间未出现的排列对上进行测试，以观察网络是否能学习加法任务，而非简单地将图像映射到标签。使用MNIST作为图像基础，为数字0-9的长度为2的所有可能排列对生成了一个数据集，每个排列对生成一千个样本。为测试网络，将由先前未见的排列对生成的样本输入训练好的网络，并测量其预测。结果令人鼓舞，网络在某些排列训练/测试划分上达到了超过90%的准确率。这表明网络首先学习了数字识别，随后基于两个被识别的数字学习了加法的进一步任务。据作者所知，此前没有工作专注于以这种方式学习数学运算。
引用
@article{arxiv.1912.03035,
title = {Performing Arithmetic Using a Neural Network Trained on Digit Permutation Pairs},
author = {Marcus D. Bloice and Peter M. Roth and Andreas Holzinger},
journal= {arXiv preprint arXiv:1912.03035},
year = {2019}
}