サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
掃除・片付け
simer.hatenablog.com
脳の機能は感覚入力を元に外界の状態を確率的に予測することであるという仮説が提唱されている。この仮説によれば、脳は事前知識と過去の感覚入力を 元に未来の感覚入力に対して確率的予測を計算する。このとき、この確率値の元で新たな感覚入力が与えられたときの尤度が最大となるように予測を行う。尤度 が高いほど驚きが少ないことから、脳の機能は驚きを最小化することであるとも解釈される。 もちろん、まともな認知理論はどれも不確かな情報を予測する理論を含まなければならない。この仮説が他と異なるのは、確率論に基づいて予測が行われるこ と、予測を脳の機能の中心とすることである。将来の感覚入力がどうなるかについての最良の予測を立てることに脳のすべての機能が関わると考える。 外界からの感覚入力に対する驚きを最小化するという枠組みは、学習、知識、運動、知覚、注意などの認知機能を統一的に扱うことが出来ると主張されている。
概要 フィードフォワードニューラルネットワークを用いて品詞タグ付け、チャンキング、固有表現抽出、意味役割付与のタスクに取り組む。意味役割付与以外は同じモデルを用いる。入力素性を作るための工学的負担は最小限にする。ラベル付けされていないデータを用いた言語モデル学習を事前に行うことにより性能が上がる。さらにタスク間でパラメタを共有してマルチタスク学習を行うことにより性能がいっそう上がる。 背景 はじめに各タスクを説明する。品詞タグ付けでは各単語に名詞、形容詞、動詞などといった統語的役割を付与する。 チャンキングは単語を統語的により大きな単位(チャンク)にまとめることである。例えば名詞句や動詞句を作る。各単語はチャンクの始まりであるかチャンクの中にあるか(あるいは、チャンクの終わりであるかなど。タグの体系にはIOB1、IOB2など色々と提案されている)でタグ付けされる。 固有表現抽出では文中の表
このページを最初にブックマークしてみませんか?
『simer.hatenablog.com』の新着エントリーを見る
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く