We describe a question answering mo

We describe a question answering model that applies to both images and structured knowledge
bases. The model uses natural language strings to automatically assemble neural networks from a collection of composable modules. Parameters for these modules are learned jointly with network-assembly parameters via reinforcement learning, with only (world, question, answer) triples as supervision. Our approach, which we term a dynamic neural module network, achieves state-of-theart results on benchmark datasets in both visual and structured domains

Kết quả (Việt) 1:

Chúng tôi mô tả một trả lời câu hỏi mô hình áp dụng cho cả hình ảnh và kiến thức cấu trúccăn cứ. Các mô hình sử dụng ngôn ngữ tự nhiên dây để tự động lắp ráp mạng nơ-ron từ một bộ sưu tập mô-đun composable. Các tham số cho các mô-đun được học cùng với các thông số mạng Hội đồng thông qua học tập tăng cường, với chỉ (thế giới, câu hỏi, câu trả lời) ba như giám sát. Cách tiếp cận của chúng tôi, chúng tôi hạn một mạng lưới các mô-đun năng động thần kinh, đạt được trạng thái của theart kết quả trên chuẩn datasets trong lĩnh vực thị giác và có cấu trúc

Kết quả (Việt) 2:

Chúng tôi mô tả một mô hình trả lời câu hỏi đó áp dụng cho cả hai hình ảnh và kiến thức về cấu trúc
các căn cứ. Mô hình này sử dụng các chuỗi ngôn ngữ tự nhiên để tự động lắp ráp mạng lưới thần kinh từ một bộ sưu tập các module composable. Các tham số cho các mô-đun được học cùng với các thông số mạng-lắp ráp qua học tăng cường, với chỉ (thế giới, câu hỏi, câu trả lời) gấp ba lần như giám sát. Cách tiếp cận của chúng tôi, mà chúng tôi gọi một mạng lưới phân hệ thần kinh động, đạt được nhà nước-of-theart kết quả trên tập dữ liệu chuẩn trong cả hai lĩnh vực thị giác và cấu trúc