基于Metropolis-Hastings命名游戏的多式联络深度生成模型的新兴通信

科学领域:

• 人工智能的人工智能
• 计算语言学 计算语言学
• 认知科学 认知科学

背景情况:

• 深度生成模型 (DGMs) 在多式联络中是有限的.
• 新兴的通信系统需要强大的多式联运数据处理.
• 在多代理系统中开发共享的词汇是具有挑战性的.

研究的目的:

• 提出一个新的多式联网深度生成模型 (DGM),集成大都会-哈斯廷斯 (MH) 命名游戏.
• 使代理人能够共同关注共同的主题,并开发共同的词汇.
• 证明模型在处理多式联运数据方面的能力,包括缺失的模式.

主要方法:

• 多式变异自动编码器 (VAE) 与 MH 命名游戏的集成.
• 使用专家混合 (MoE),专家产品 (PoE) 和专家产品混合 (MoPoE) 进行多式联网数据处理.
• 微调权重比,以优先考虑特定的模式,以改善学习和分类.
• 在MNIST+SVHN和Multimodal165数据集上进行的实验.

主要成果:

• 拟议的模型成功地处理多式联运数据,即使缺少模式.
• 将MH命名游戏与多式联运VAE集成,有助于感知类别的形成和符号交换.
• 微调模式权重可以提高通信效率.
• 专家的产品 (PoE) 多式VAE与高斯混合模型 (GMM) 和MH命名游戏相结合,显著改善了信息共享,知识形成和数据重建.

结论:

• 新型多式联通DGM与MH命名游戏有效地解决了新兴通信系统的局限性.
• 该模型在开发共享词汇和跨模式的知识形成方面表现出强的表现.
• 这种方法为推进人工智能中多式联络提供了一个有希望的方向.