StackSeq2Seq：双编码器 Seq2Seq 循环网络
机器学习
2018-01-18 v2 离散数学
神经与进化计算
机器学习
摘要
一个被广泛研究的非确定性多项式时间（NP）困难问题是在图的两个节点间寻找路径。对于具有大量节点的图，常采用诸如 的元启发式算法。在此，我们提出一种基于序列到序列（Seq2Seq）模型的深度循环神经网络架构，该模型被广泛使用，例如在文本翻译中。特别地，我们阐明，利用从两个不同循环网络学习到的上下文向量能够提高学习图最短路径的准确率。此外，我们表明，通过使用解码器损失函数的同伦延拓来平滑损失函数，可以提升 Seq2Seq 网络的性能。
引用
@article{arxiv.1710.04211,
title = {StackSeq2Seq: Dual Encoder Seq2Seq Recurrent Networks},
author = {Alessandro Bay and Biswa Sengupta},
journal= {arXiv preprint arXiv:1710.04211},
year = {2018}
}