neural-dialog-model-kanto-mt-20170714
ニューラル対話モデルの発展と課題 坪井祐太 <tsuboi@preferred.jp> 第⼀回関東MT勉強会 ⾃⼰紹介 - 坪井祐太; Yuta Tsuboi - • 所属: Preferred Networks, Inc. https://twitter.com/unnonouno/status/881667520788185088 図は森北出版より http://www.morikita.co.jp/books/book/3034 図は講談社より http://www.kspub.co.jp/book/detail/1529243.html 対話モデル • 対話⽂脈から次 の応答を予測す るモデル – ２⼈以上の話 者 – ⽂脈１つ以上 の発話 I think … But … I agree… ？ 対話⽂脈 （⼊⼒系列） 応答予測 （出⼒系列） 会話の進⾏ 話者交替 話者交替 話者交替
ディープラーニングによる 自然言語処理 (技術編)
名古屋大学特別講義 2016年6月29日(水) ディープラーニングによる 自然言語処理 (技術編) 日本アイ・ビー・エム株式会社 東京基礎研究所 坪井 祐太 yutat@jp.ibm.com 1 ニューラルネットワーク技術詳細 • 目的関数 • 誤差関数 • 目的関数の最小化 • 勾配法 • 目的関数の微分計算 • 誤差逆伝搬法 • 誤差の分解と対処手法 • 推定誤差に効く手法 • 最適化誤差に効く手法 • RNNの話題 2 目的関数: 誤差 • 教師あり学習の目的関数 • 𝑥 ∈ 𝑋: 入力, 𝑦 ∈ 𝑌: 出力 • 入力xからyを予測したい問題設定 • 真の目的関数: 𝐿∗ 𝜃 = ∫𝑝 𝑥, 𝑦 ℓ𝜃 𝑥, 𝑦 𝑑𝑥𝑑𝑦 • ℓ𝜃は事例ごとの損失関数（後述） • 訓練データでの誤差 • データ分布p(x,y)は普通わからないので訓練データN個: D=
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
Microsoft PowerPoint - tsuboi-ParsingWithRecursiveNeuralNet.ppt
[PDF]比戸将平+ (2007) 密度比推定を用いた特異点検出手法
