关键词tensor product representations
搜索结果 - 3
- 终止可微分树专家
我们提出了一种基于神经符号不可微分树模型的改进方法,通过使用变压器和张量乘积表示学习树操作,并引入了专家混合物和终止算法,以灵活选择执行步骤和预测最优步数。
- ICLR循环神经网络隐含地实现张量积表示
使用 Tensor Product Decomposition Networks(TPDNs)来近似现有向量表示,证明 RNNs 可以通过 Tensor Product Representations(TPRs)引导序列表示。
- 使用三阶张量积学习推理
本文采用递归神经网络与张量积表示相结合的方法,学习顺序数据的组合表示并在多个简单的自然语言推理任务中取得显著优于最新先进模型的表现,同时证明该方法的泛化性能优于现有最新先进技术。