-
[Day76] 메모리 네트워크AIFFEL Life 2020. 12. 26. 15:46
오늘은 자연어 심화학습 이론시간으로 메모리 네트워크에 대해 공부하였습니다. 갈수록 딥러닝 용어 중에 한번도 들어본적이 없는 생소한 개념과 단어들이 나오고 있네요. 참고할 만한 자료를 아래에 공유합니다.
1. Facebook's bAbI Project
research.fb.com/downloads/babi/
bAbI - Facebook Research
The bAbI Project is organized towards the goal of automatic text understanding and reasoning.
research.fb.com
2. Neural Turing Machines (paper)
3. Understanding LSTM Networks
colah.github.io/posts/2015-08-Understanding-LSTMs/
Understanding LSTM Networks -- colah's blog
Posted on August 27, 2015 Humans don’t start their thinking from scratch every second. As you read this essay, you understand each word based on your understanding of previous words. You don’t throw everything away and start thinking
colah.github.io
4. Hybrid computing using a neural network with dynamic external memory
www.nature.com/articles/nature20101
5. NEURAL MACHINE TRANSLATION BY JOINTLY LEARNING TO ALIGN AND TRANSLATE (paper)
6. MEMORY NETWORKS (paper)
7. End-To-End Memory Networks (paper)
8. 질의응답을 위한 딥러닝 모델인 메모리 네트워크 정리
aidev.co.kr/chatbotdeeplearning/5925
챗봇 딥러닝 - 질의응답을 위한 딥러닝 모델인 메모리 네트워크 정리
Memory Networks(MemNN)는 페이스북에서 발표한 딥러닝 모델로 추론을 통해 질의응답을 할 수 있습니다. 예를 들어, 다음과 같이 문장들과 질문을 함께 입력으로 넣으면 대답을 출력합니다. <
aidev.co.kr
9. 인공지능을 위한 머신러닝 알고리즘 11강 메모리 네트워크 | T아카데미
10. 코사인 유사도와 그 계산
www.ibric.org/myboard/read.php?id=271138&Board=news
[초심자를 위한 생물학+정보학] 코사인 유사도와 그 계산 - 36
앞에서도 수 차례 언급했지만, 거리의 종류는 그 개념과 정의에 따라서 매우 다양하다. 이번에는 우리가 가장 쉽게 접하고 이해할 수 있는 유클리드 거리 외에도 문헌 자료의 조사와 분석에 자
www.ibric.org
11. Question Answering on bAbi
paperswithcode.com/sota/question-answering-on-babi
Papers with Code - bAbi Benchmark (Question Answering)
The current state-of-the-art on bAbi is STM. See a full comparison of 13 papers with code.
paperswithcode.com
12. Recurrent Relational Networks
13. A simple neural network module for relational reasoning
14. CLEVR: A Diagnostic Dataset for Compositional Language and Elementary Visual Reasoning
cs.stanford.edu/people/jcjohns/clevr/
CLEVR: A Diagnostic Dataset for Compositional Language and Elementary Visual Reasoning
Abstract When building artificial intelligence systems that can reason and answer questions about visual data, we need diagnostic tests to analyze our progress and discover shortcomings. Existing benchmarks for visual question answering can help, but have
cs.stanford.edu
15. Self-Attentive Associative Memory (paper)
'AIFFEL Life' 카테고리의 다른 글
[Day78] 추론하는 인공지능 (0) 2020.12.26 [Day77] 이미지 이상 탐지 모델 (0) 2020.12.26 [Day75] 해커톤 5번째 (0) 2020.12.26 [Day74] 용종을 검출하는 인공지능 (0) 2020.12.26 [Day73] 번역가는 대화에도 능하다 (0) 2020.12.26