变分时间抽象
机器学习
2019-10-03 v1 人工智能
机器学习
摘要
我们引入了一种变分方法来学习和推断序列数据的时间层次结构与表示。我们提出了变分时间抽象（VTA），一种层次化循环状态空间模型，能够推断潜在时间结构从而以层次化方式执行随机状态转移。我们还提出将该模型应用于在想象增强的智能体学习中实现跳跃式想象能力，以提高想象的效率。在实验中，我们证明了所提方法能够对 2D 和 3D 视觉序列数据集进行建模并发现可解释的时间结构，并且其向跳跃式想象的应用使得在 3D 导航任务中实现了更高效的智能体学习。
引用
@article{arxiv.1910.00775,
title = {Variational Temporal Abstraction},
author = {Taesup Kim and Sungjin Ahn and Yoshua Bengio},
journal= {arXiv preprint arXiv:1910.00775},
year = {2019}
}
备注
Accepted in NeurIPS 2019