This paper presents a compositional

This paper presents a compositional, attentional model for answering questions about a variety of world representations, including images and structured knowledge bases. The model translates from questions to dynamically assembled neural networks, then applies these networks to world representations (images or knowledge bases) to produce answers. We take advantage of two largely independent lines of work: on one hand, an extensive literature on answering questions by mapping from strings to logical representations of meaning; on the other, a series of recent successes in deep neural models for image recognition and captioning. By constructing neural networks instead of logical forms, our model leverages the best aspects of both linguistic compositionality and continuous representations. Our model has two components, trained jointly: first, a collection of neural “modules” that can be freely composed (Figure 1a); second, a network layout predictor that assembles modules into complete
deep networks tailored to each question

Kết quả (Việt) 1:

Bài viết này trình bày một mô hình sáng tác, attentional để trả lời các câu hỏi về một loạt các đại diện thế giới, bao gồm cả hình ảnh và cấu trúc cơ sở kiến thức. Các mô hình dịch từ câu hỏi để tự động lắp ráp mạng nơ-ron, sau đó áp dụng những mạng lưới này để đại diện thế giới (hình ảnh hoặc kiến thức cơ sở) để sản xuất các câu trả lời. Chúng tôi tận dụng lợi thế của hai dòng công việc phần lớn độc lập: một mặt, một văn học phong phú vào trả lời câu hỏi bằng cách ánh xạ từ dây để hợp lý đại diện của ý nghĩa; mặt khác, một loạt các thành công gần đây trong các mô hình thần kinh sâu cho hình ảnh nhận dạng và tạo phụ đề. Bằng cách xây dựng các mạng lưới thần kinh thay vì logic hình thức, mô hình của chúng tôi thúc đẩy các khía cạnh tốt nhất của cả hai ngôn ngữ compositionality và đại diện liên tục. Mô hình của chúng tôi có hai thành phần, được đào tạo cùng: trước tiên, một bộ sưu tập của thần kinh "mô-đun" mà có thể được tự do sáng tác (hình 1a); Thứ hai, một dự báo bố trí mạng lưới lắp ráp mô-đun vào hoàn tấtmạng lưới sâu phù hợp cho mỗi câu hỏi

Kết quả (Việt) 2:

Bài viết này trình bày một mô hình trong việc tập trung sáng tác cho việc trả lời các câu hỏi về một loạt các cơ quan đại diện thế giới, bao gồm cả hình ảnh và cơ sở tri thức có cấu trúc. Mô hình dịch từ câu hỏi để tự động lắp ráp mạng thần kinh, sau đó áp dụng các mạng này để đại diện trên thế giới (hình ảnh hoặc cơ sở tri thức) để sản xuất câu trả lời. Chúng tôi tận dụng lợi thế của hai dòng phần lớn độc lập của công việc: một mặt, một nền văn học rộng lớn vào việc trả lời câu hỏi bằng cách ánh xạ từ dây để đại diện hợp lý của các ý nghĩa; mặt khác, một loạt những thành công gần đây trong các mô hình thần kinh sâu cho nhận dạng hình ảnh và phụ đề. Bằng cách xây dựng mạng lưới thần kinh thay vì các hình thức hợp lý, mô hình của chúng tôi thúc đẩy các khía cạnh tốt nhất của cả hai compositionality ngôn ngữ và đại diện liên tục. Mô hình của chúng tôi có hai thành phần, được đào tạo cùng nhau: đầu tiên, một bộ sưu tập của thần kinh "module" có thể được tự do sáng tác (Hình 1a); thứ hai, một yếu tố dự báo bố trí mạng lưới tập hợp các mô-đun vào hoàn chỉnh
mạng lưới sâu phù hợp cho mỗi câu hỏi