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 domainslinguistic compositionality and continuous representations

Kết quả (Việt) 1:

Chúng tôi mô tả một câu hỏi trả lời mẫu màáp dụng cho cả hình ảnh và cấu trúc cơ sở kiến thức. Các mô hình sử dụng ngôn ngữ tự nhiên dây để tự động lắp ráp mạng nơ-ron từ một bộ sưu tập của composableMô-đun. Các tham số cho các mô-đunhọc 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 động lựcmạng nơ-ron mô-đun, đạt được trạng thái của theart kết quả trên chuẩn datasets cả thị giác và có cấu trúc domainslinguistic compositionality và liên tục biểu diễn

Kết quả (Việt) 2:

Chúng tôi mô tả một mô hình trả lời câu hỏi đó
áp dụng cho cả hai hình ảnh và cơ sở tri thức có cấu trúc. 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 của composable
mô-đun. Các tham số cho các module 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 động
mạng mô-đun thần kinh, đạt được nhà nước-of-theart kết quả trên tập dữ liệu chuẩn trong cả compositionality domainslinguistic thị giác và cấu trúc và cơ quan đại diện liên tục