relational reasoning | BriefGPT

关键词relational reasoning

搜索结果 - 54

矢量符号神经结构中关系推理的最优二次绑定
本研究通过基于八维复数扩展的八元数代数矩阵表示进行了新型绑定矩阵的引入和优化，揭示了该方法在少量绑定组对存在时比先前的方法更准确，为探索大脑中捆绑运算的潜在神经机制提供新思路。
PDF2 years ago
半监督学习在自动驾驶中的重要目标识别
本文提出了一种基于二元分类、关系推理和半监督学习的重要物体识别方法，可用于智能车辆在复杂动态环境下的安全导航，并在公开数据集上得到验证。
PDF2 years ago
边缘变压器的系统化概括
提出了一种新型边缘 Transformer 模型，实现了自然语言理解中的系统化概括，并在关系推理、语义解析和依赖解析等几个设置中优于 Relation-aware、Universal 和传统 Transformer 基线模型。
PDF3 years ago
用于视频理解的统一图结构模型
本文提出了一种基于信息传递的图神经网络，能够精确理解视频中行为者、对象和环境之间的关系，在显式表示对象时能够使用显式表示，否则使用隐含表示；在 AVA 和 UCF101-24 的时空行为检测以及最近的 Action Genome 数据集上的
PDF3 years ago
空间时间图双重注意力网络用于多智能体预测和跟踪
本文提出了一种通用的生成神经系统（称为 STG-DAT），用于多代理轨迹预测，涉及异构代理。该系统采用了动态图形表示，并利用轨迹和场景上下文信息来明确交互建模。本文还采用了一个有效的运动学约束层，该约束不仅确保物理可行性，而且提高了模型性能
PDF3 years ago
AAAI基于注意力机制的分类方法：利用先验知识进行场景图分类
本文研究了场景图分类中的多任务学习方法，将分类实现为一个注意力层，从而促进先前知识的传播并增强归纳偏差；引入外部知识可以进一步提高分类精度。
PDF4 years ago
CVPR尺度局部化的抽象推理
该研究提出了一种多尺度架构，用于处理抽象关系推理任务中的空间和语义关系，其优于现有技术在所有基准测试中的成功表明来自多种创新，包括：在多个解析度中搜索关系模式，优化每个分辨率的推理网络并构建一个新的 RAVEN-FAIR 数据集。
PDF4 years ago
非符号神经网络的关系推理和泛化
本文通过实验发现，使用两种不同的表示法，即经过预训练的表示法和任意表示法，神经网络能够进行基本的相等性 (数学恒等式)、模式相等性 (学习 ABA 模式序列) 和层级相等性 (只进行基本相等性训练) 的学习，这些任务是为了区分人类独特的符号
PDF4 years ago
自监督关系推理的表示学习
本研究提出了一种新型的自监督关系式推理算法，通过学习如何区分实体之间的关系，使得在底层神经网络骨干中具备丰富的关系描述能力。该算法在标准数据集、协议和骨干模型上的实验结果表明，它的准确性比现行同类算法平均提高 14％，比最近的最先进算法提高
PDF4 years ago
领域自适应关系推理在三维多器官分割中的应用
本文提出了一种新颖的无监督领域自适应方法，它基于空间结构关系进行多模态医学图像分割，能够在未使用目标域数据进行训练的情况下提高目标数据集的性能，包括采用拼图任务构建空间关系和超分辨率网络标准化等措施。
PDF4 years ago
EMNLP基于多跳关系推理实现可扩展的知识感知问答
本论文提出了一种新颖的知识感知方法，将预训练语言模型与多跳关系推理模块相结合，对外部知识图谱子图进行多跳关系推理。该方法统一了基于路径的推理方法和图神经网络，提高了可解释性和可伸缩性，并在常识问答和开放式书面问答数据集上证明了其有效性和可伸
PDF4 years ago
基于图的亲属关系推理网络
本文提出了一种基于图像的亲属关系推理（GKR）网络，用于亲属关系验证。该方法构建一个亲属关系图，通过递归消息传递在该图上进行关系推理，并通过对提取的特征对进行比较和融合来推理亲缘关系。在 KinFaceW-I 和 KinFaceW-II 数
PDF4 years ago
EvolveGraph：基于动态关系推理的多智能体轨迹预测
本文提出了一种能够通过关系推理和适应性地进化交互图，预测多个异构交互代理的轨迹的通用轨迹预测框架，其在多个真实世界基准数据集中取得了最先进的预测准确性表现。
PDF4 years ago
利用多层关系网络解决 Raven 渐进矩阵问题
本文证明了通过将 Wild Relation Networks 与 Multi-Layer Relation Networks 结合并引入 Magnitude Encoding 编码方案，能将 Procedurally Generated
PDF4 years ago
ICLR深度集合用于 RL 中的泛化
本文研究了在自然语言引导下的强化学习中，将以对象为中心的表现编码到奖励函数和策略架构中的想法。通过使用受深度集合启发的对象排列不变网络和门控注意机制的组合，我们在二维过程生成的世界中显示出这些结构对于分布外的目标具有强大的泛化能力，同时我们
PDF4 years ago
Social-WaGDAT：基于 Wasserstein 双图注意力网络的交互感知轨迹预测
本文提出了一个通用的生成神经模型（称为 Social-WaGDAT），通过引入关系归纳偏差和动态图表示，利用轨迹和场景上下文信息，提供每个代理的未来轨迹分布，从而在多代理轨迹预测中实现显式交互建模，并应用于车辆轨迹预测的运动学约束层，已在三
PDF4 years ago
自注意力联想记忆
本文提出了一种基于自注意力的联想记忆算子（SAM），通过 SAM 可以将个别经历的存储（项目记忆）和它们之间的关系（关系记忆）分离，然后在一个序列模型中将这两种记忆体有机地联系起来，从而实现记忆和关系推理，该模型在各种机器学习任务中具有竞争
PDF4 years ago
AAAI实现大规模未标注视频中全监督人脸对齐
本文提出了一种空间 - 时间关系推理网络 (STRRN) 的方法，用于研究视频中全方位监督的人脸对齐问题，该方法利用大规模无标注视频和可用的带标注数据生成辅助训练注释，自动推理人脸关键点间的关系以稳定面部跟踪，实验结果证明其性能优于现有的大
PDF5 years ago
EMNLPCommonGen: 一个面向生成通识常识推理的受限文本生成挑战
本文介绍了一个基于 CommonGen 任务的数据集，用于评估预训练语言模型的生成常识推理能力，任务的难点在于需要进行关系推理并具有通用性，实验结果表明目前最先进的文本生成模型与人类表现存在很大差距，且生成的常识推理能力可以用于提高 Dow
PDF5 years ago
MM交互关系网络用于相互动作识别
我们提出了交互关系网络（Interaction Relational Network），它是一种简单而强大的架构，利用了关于人体结构的最少先验知识，通过定义不同的关系和重要的有结构的成对运算来更好地表示交互，并使用 LSTM 来进行关系推论
PDF5 years ago