- 多角度增强记忆网络用于社交网络中关键节点的识别
提出了一种新的多角度记忆增强网络 (Multi-perspective Memory Enhanced Network, MMEN) 来识别社交网络中的关键节点,从多个角度挖掘关键节点并利用记忆网络存储历史信息,综合考虑用户属性和传播结构的 - 扩展语言模型的记忆
本文介绍了长期记忆网络 (LTM) 以解决自然语言理解模型在处理长的序列文本时出现的问题。通过在语言建模任务上进行测试,我们发现 LTM 能够学习到无限长的序列信息,并与其他需要长时间记忆的语言模型进行比较。
- ACL通过参照信息的重复和预测支持流式数据问答的记忆模型
本文借鉴了人类记忆的机制,提出一种新的记忆模型,在处理输入时进行了排练和预测以记住重要信息,成功应用于问题回答数据集并得到了重大改进。
- 通用 Hopfield 网络:一种单次联想记忆模型的通用框架
本文提出了一个新颖的通用框架,可以将各种神经网络进行相似性、分离性和投影性等方面的比较,研究了类似 Hopfield 网络和现代连续 Hopfield 网络等各种记忆网络的运作机理,并发现在很多任务中,采用欧几里得距离或曼哈顿距离相似度测量 - ICLR学习记忆模式:用于交通预测的模式匹配记忆网络
提出了一种新的交通预测方法,将预测问题转化为模式匹配任务,通过构建一种新型的交通预测模型,即模式匹配记忆网络(PM-MemNet),该模型能够通过键值存储结构将数据与代表性模式进行匹配来进行预测,并且利用了图卷积和注意力机制的增强存储器结构 - ICCV基于空间和时间记忆网络的视频人员再识别
本文提出了一种基于 STMN 的新型人员 reID 方法,通过存储频繁出现在视频帧中的空间干扰和优化人员视频的典型时间模式的注意力,实现了对人员视频中的空间和时间干扰的有效处理。
- 跨语种立场检测的对比语言适应
本文研究了跨语言立场检测,提出了一种新颖的对抗语言适应方法应用于记忆网络,确保源语言和目标语言之间的立场对齐,可以有效地处理目标语言中标注数据有限的挑战。实验结果表明,与当前最先进的方法相比,该方法的有效性得到了证明。
- EMNLP利用异构记忆网络进行面向任务的对话生成
介绍一种新的外部记忆网络 -- 异构记忆网络(HMNs),用于解决现有的内存网络在从不同来源利用异构信息方面表现不佳的问题。该方法背景知识元组和历史的对话串都被编码和存储到记忆中,并在译码期间使用门控机制进一步增强了上下文感知性记忆。实验结 - ICCV利用时空记忆网络进行视频对象分割
提出了一种用于半监督视频对象分割的新型解决方案,通过利用内存网络中的可用线索和遍历所有可用源中的相关信息来实现更好的处理外观变化和遮挡等挑战,从而实现了最先进的性能。
- EMNLP用于短文本分类的主题记忆网络
我们提出了用于短文本分类的主题记忆网络,采用新颖的主题记忆机制来编码类别标签的潜在主题表示,实验结果表明,我们的模型在短文本分类方面优于现有模型,并生成连贯的主题。
- 一种高效的口语理解上下文编码方法
本论文提出了一种用于语音对话系统的有效的语言理解方法,它包括使用记忆网络来处理多个对话中的话语,以及使用循环神经网络进行上下文编码,以提高语义解析精度和计算效率。
- CVPR学习视觉知识记忆网络用于视觉问答
本文提出了一种基于 VKMN 的视觉知识存储网络,通过 End-to-End 的学习框架将结构化人类知识和深度视觉特征融入到记忆网络中来对抗视觉问答中缺乏对结构化知识的利用的问题,并在 VQA 1.0 和 VQA 2.0 基准测试中表现出显 - ACL工作记忆网络:增强记忆网络与关系推理模块的结合
介绍一种新的神经网络结构 —— 工作记忆网络,该网络在保持关系推理能力的同时将计算复杂度从二次降至线性,并在文本和视觉问题应用中取得了显著结果。
- 神经记忆网络分类
本文提出了一种基于内存组织的记忆网络分类法,并分析了流行的记忆网络,包括 vanilla RNN、LSTM、神经堆栈和神经图灵机以及它们的变体,在一个统一的框架下显示它们相对的表达能力;本文还分析了这些网络之间的差异和共同点,并将这些差异与 - LCMR: 基于结构化文本的协同过滤中的本地化和集中式记忆
该研究提出了一种名为 LCMR 的神经框架,利用本地和集中记忆来处理内容信息和交互数据,以提高协同过滤推荐系统的性能,该方法在实际数据集上表现出较好的表现。
- ACL带有记忆网络的文本上下文神经机器翻译
通过内存网络以及结构化预测方式解决文档级机器翻译问题。在训练过程中囊括源文件和目标文件,通过分别采用两个记忆组件来处理相应上下文,同时提出一种基于块协调下降的迭代解码算法。在法语、德语和爱沙尼亚语文件中进行英语翻译的实验结果表明,该模型在利 - 记忆增强控制网络
该文章介绍了一种名为 Memory Augmented Control Network (MACN) 的神经网络,通过卷积特征提取、基于神经网络的规划和网络控制器学习,解决了计划问题和部分可观测环境下的推理问题,该网络在离散的网格世界环境中 - 带有记忆增强条件随机场的长范围上下文依赖关系捕捉
本文提出了通过集成外部记忆来扩展条件随机场的方法,克服了其只能模拟局部特征的限制,能够提高 NLP 任务的性能。实验证明该方法比强 CRF 和 LSTM 基线模型有更好的表现。
- ACL使用通用模式和记忆网络进行知识库和文本问答
本研究扩展了通用模式至自然语言问答领域,通过 Memory Networks 将文本和知识库中的大量事实相结合,实现了端到端方式的训练和对 SPADES 数据集的填空问答,并获得了比单独使用知识库或文本更好的效果和超越当前最新技术 8.5 - 门控端到端记忆网络
本文提出了一种新的、受计算机视觉中连接快捷原则启发的端到端可训练内存网络 (End-to-End trainable Memory Networks) 结构 ——Gated End-to-End trainable Memory Netwo