（調査） 自然言語文（和文や英文） の 構文解析・依存解析・照応解析、固有表現抽出 を ディープラーニング で 行う 手法 - Qiita
Deep Learning で 行う 自然言語文 の 文構造解析 構文解析器（Parser） を 使わず に、深層ニューラルネットワークを 用いて、英文や和文の文章 を、木構造の構文解析グラフ に 変換する 手法 複数の文 に またがる 文章 で、後続の文に出現する指示代名詞 が、前のどの文 の どの名詞 を 指すのか を 解析する 照応解析 を 深層ニューラルネットワーク で 行う 手法 が、提案されています。 これら、構文解析 や 依存解析、照応解析 を 深層ニューラルネットワークモデル で 行う研究 は、あまり、主題的に取り上げられていない 印象 を 受けます。 そこで本記事では、これらの論文を取り上げて、深層ニューラルネットワークモデルのトポロジー構造 と パフォーマンスの検証結果 を 紹介していきます。 さらに、固有表現抽出 を 深層NN で 行う 手法 や、文章で記述されている
ニューラルネットワークのハイパーパラメーターをベイズ最適化実装 （Chainer+GPyOpt） - Qiita
結果を踏まえて エポック数や隠れ層のチャンネル数は上限になりました． まあ，今回はパソコンのスペックの問題があって，エポック数を少なめにしましたね（それでも20イテレーションしか回らなかった，特に後の方はエポック数とバッチサイズが上限のものばかり試していたのでめっちゃ時間がかかった）。 エポック数などの上限をあげれば，もっと精度は高くなると思われます。 まあ，それでも最適化されているようでよかったです。 ニューラルネットワークの方の実装 chainerで実装しました。 test_mnist_nn関数というものを作りました。この関数はニューラルネットワークのハイパーパラメーターを入力にとって，誤答率を出力する関数です。この誤答率を最小にするように，ベイズ最適化を行います。 #!/usr/bin/env python3 # -*- coding: utf-8 -*- """ パラメーターを最適
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
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
