StackRNN的设计及可解释性研究

作     者：郭立鹏 

作者机构：清华大学计算机系 

出 版 物：《科技与创新》 (Science and Technology & Innovation)

年 卷 期：2019年第14期

页      码：70-72,75页

摘      要：针对循环神经网络的可解释性问题设计StackRNN,StackRNN在确定型上下文无关语言文法推测实验中可以预测最长8倍于训练样本的测试集样本,可视化实验表明StackRNN具有模拟确定型下推自动机的能力。该研究对将深度学习应用于自然语言处理尤其是与程序语言相关的任务具有重要的意义。

主 题 词：循环神经网络 可解释性 记忆网络 自动机理论 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.15913/j.cnki.kjycx.2019.14.030

馆 藏 号：203702792...