【回顾】用于文档理解的面向对象神经规划

  活动回顾

分享主题：用于文档理解的面向对象神经规划

分享人：郑达奇，博士期间师从中科院计算所 / 都柏林城市大学刘群教授，后加入深度好奇。期间作为学术带头人在深度学习用于长文本生成等项目有重要贡献，参与了面向对象的神经规划、非线性文本表示等研究项目。郑博士长期从事机器翻译及人工智能的研究，在自然语言处理和神经符号智能等领域有较深的造诣。

深度好奇提出了用于垂直领域文档理解的 OONP 框架，它使用离散的对象本体图结构作为中间状态，该状态被 OONP 创建、更新直至最终输出。这个解析过程被 OONP 转化成为按照文本阅读顺序的离散动作的决策序列，模仿了人理解文本的认知程。OONP 框架提供了神经符号主义的一个实例：在 OONP 框架内，连续信号、表示、操作和离散信号、表示、操作紧密结合，形成信息闭环。这使得 OONP 可以灵活地将各种先验知识用不同形式加入到行间记忆和策略网络中。为了优化 OONP，深度好奇利用监督学习和强化学习以及二者的各种混合态，以适应不同强度和形式的监督信号以训练参数。

10 月 25 日（周三）晚 20:00，AI 研习社微信群

▷ 观看完整回顾大概需要  45  分钟

新人福利

关注 AI 研习社（okweiwu），回复  1  领取

【超过 1000G 神经网络 / AI / 大数据，教程，论文】

公开课精彩往期回顾

复旦Ph.D沈志强：用于目标检测的DSOD模型（ICCV 2017）

极限元刘斌：深度学习在语音生成问题上的典型应用

搜狗文仕学：基于深度学习的语音分离

Video ++孙兆民：视频内容识别行业分析

悉尼科大王超岳：基于生成对抗网络的图像编辑方法

达观数据张健：文本分类方法和应用案例 

清华Ph.D王书浩：基于深度学习的电商交易欺诈检测系统

Twitter工程师王东：详解YOLO2与YOLO9000目标检测系统

Kaggle比赛金牌团队：图像比赛的通用套路有哪些？

宜远智能刘凯：显著降低模型训练成本的主动增量学习

更多课程欢迎点击链接观看

▼▼▼