Reasoning

Asking The Right Questions--Fallacies In Reasoning.

Ifareasonhasfallacies,itcannotbereliedon.Thepointisweshouldlearntofindfallacieseventhoughwecan'tnamethem.Payattentiontoreasonsandconclusionandcheckifthereasonsreallysupporttheconclusion.Severalcommonf
SingingCoder·2020-09-16 20:10

概率推理_知识图上的概率推理

概率推理知识图和原因(KNOWLEDGEGRAPHS&REASONING)Usingaknowledgegraphwithoutreasoningislikehavinganinvitingcakeandleaveittheretoadmireit
weixin_26750481·2020-09-14 05:40

【个人开源】论文复现SRN：Towards Accurate Scene Text Recognition with Semantic Reasoning Networks

TowardsAccurateSceneTextRecognitionwithSemanticReasoningNetworksCode:https://github.com/chenjun2hao/SRN.pytorchUnofficialPyTorchimplementationofthepaper,whichintegratesnotonlyglobalsemanticreasoningmo
农夫山泉2号·2020-09-14 04:53

数据人生的感悟：商业智能与商业分析区别

Reasoning——对于企业的运营和管理，能够解决以下三方面的问题——确定问题的根源，明确问题的原因和影响，以及科学和合理得出相关的结论；Planning——基于相应的情况和推理，确定一系列的行动计划
weixin_34318272·2020-09-13 20:21

ACL 2020 《Cross-Modality Relevance for Reasoning on Language and Vision》论文笔记

目录简介动机贡献方法实验简介本文设计了一个Cross-ModalityRelevanceModule（跨模态相关模块），对不同模态的信息进行关联，且在不同的task上都是端到端训练。下载链接动机跨模态表示学习中，有一类方法致力于寻找处理不同模态数据时，components和structure的相关性，现有的方法多使用注意力机制。随着信息检索领域的发展，寻找不同信息之间的相关性（也就是“matchi
NeverMoreH·2020-09-10 15:00

【论文解读 AAAI 2020】Graph-Based Reasoning over Heterogeneous External Knowledge for 常识问答

论文题目：Graph-BasedReasoningoverHeterogeneousExternalKnowledgeforCommonsenseQuestionAnswering论文来源：AAAI2020信工所，北大，微软论文链接：https://arxiv.org/abs/1909.05311关键词：知识图谱，机器推理，常识问答，GCN，Attention官方介绍：机器推理系列第一弹：机器推理
byn12345·2020-09-10 12:45

TRN:Temporal Relational Reasoning in Videos---论文阅读

paperhttps://arxiv.org/pdf/1711.08496v1.pdfcodehttps://github.com/zhoubolei/TRN-pytorch论文翻译https://www.jianshu.com/p/bef2632e50be参考博客：浅谈动作识别TSN,TRN,ECO：https://blog.csdn.net/SIGAI_CSDN/article/details
alicecv·2020-09-10 12:22

干货 | NIPS 2015 Reasoning, Attention, Memory Workshop

今天分享的是NIPS2015的workshop之一，ReasoningAttentionMemory（RAM）中的acceptedpaper。这个workshop中有几个看点，一个是请来了一些非DL的研究者，比如cognitivescience方向的，带来了生物学角度的memory研究；二来是有很多开创性工作，比如公布了一个数据集，或者发表了对未来某个领域的一些展望。所以这个workshop整体来
算法学习者·2020-08-25 17:13

基于Redis的分布式锁到底安全吗（上）？

大牛博文链接：http://zhangtielei.com/posts/blog-redlock-reasoning.html网上有关Redis分布式锁的文章可谓多如牛毛了，不信的话你可以拿关键词“Redis
javagaorui5944·2020-08-24 14:31

MultiNet: Real-time Joint Semantic Reasoning for AutonomousDriving

摘要当大部分语义推理的方法聚焦在提升性能的时候，在这篇文章中我们认为在一些实时应用比如自动驾驶中计算时间非常重要。为了实现这个目标，我们提出了一种联合进行分类、检测和语义分割的方法，形成一个统一的架构，在这种架构中，三个任务的编码器阶段是共享的。我们的方法比较简单，在非常具有挑战性的KITTI数据集上性能也非常好，超过了很多路面分割任务中目前的最好性能。我们的方法非常有效，可以让我们以大于每秒23
李泽滨_123·2020-08-24 03:22

Word Embedding与analogy reasoning（词嵌入与类比推理的过程）

1.引入WordEmbedding是"词嵌入"的意思，这是语言表示的一种方式。它可以让算法理解一些类似的词。简单理解，就是词向量，代替one-hot编码做词向量。词嵌入比one-hot编码有更多优点：词嵌入可以用一个低维向量来表示词向量，而one-hot编码一般维度一般都比较高词嵌入可以表征词的相似性，语义上相似的词，其词向量也比较接近通用性强，在分类，回归，NER等应用中，都可以使用词嵌入表示的
ybdesire·2020-08-22 15:39

[视觉数据]tensorflow默认数据集

#pipinstalltensorflow-datasetsimporttensorflow_datasetsastfdsprint(tfds.list_builders())['abstract_reasoning
guaguastd·2020-08-21 19:55

AdamTechLouis's talk:Deep Learning approaches to understand Human Reasoning

ForadoctorwhoisusingDeepLearningtofindwhetherthepatienthasmultiplesclerosis,itisnotatallgoodtogetayesornoanswerfromthemodel.Forasafetycriticalapplicationsuchasautonomouscars,itisnotenoughtopredictthec
Adam坤·2020-08-19 21:41

CVPR 2020 《Graph-Structured Referring Expression Reasoning in The Wild》论文笔记

目录简介动机贡献方法实验简介本文是CVPR2020的一篇oral文章，指导教师是中山大学的李冠斌教授。下载链接动机方法的动机：分析RE（ReferringExpression）的语言结构是至关重要的，因为这些结构信息为视觉内容提供了推理的布局。但是，现有工作忽略了语言结构信息，学习RE与视觉内容的整体匹配分数，或是忽视语法信息，通过self-attention分析语言结构。数据集的动机：①.现有数
NeverMoreH·2020-08-14 02:16

论文解读：Temporal Relational Reasoning in Videos

简介这篇论文是MIT周博磊于2018年发表在ECCV上的一篇论文，这篇论文通过挖掘视频中多帧之间的时序关系来推理视频中的行为。我个人认为这篇论文从视频帧之间的关系入手，丰富了行为在时序上的依赖性，更符合目前的研究对于行为的理解。我将从以下几个方面讲解这篇论文，也是对自己阅读这篇论文的记录。1.论文思想从人类的角度来思考的话，视频所记录的行为的发生是有一定顺序的，比如一个起跑的动作，一定是这样的过程
zuber_ss·2020-08-14 00:29

[论文阅读]Deep Relational Reasoning Graph Network for Arbitrary Shape Text Detection

[论文阅读]DeepRelationalReasoningGraphNetworkforArbitraryShapeTextDetection用于任意形状文本检测的深度关系推理图网络文章收录于2020CVPR[论文地址]https://arxiv.org/abs/2003.07493[代码地址]https://github.com/GXYM/DRRG文章目录摘要简介相关工作方法概述文本组件预测局部
一叶知秋Autumn·2020-08-12 16:25

Visual Reasoning(3): A simple neural network module for relational reasoning

AsimpleneuralnetworkmoduleforrelationalreasoningIntroductionMethodsExperiments&ConclusionDeepMind的一项工作https://www.zhihu.com/question/60784169/answer/180518895https://zhuanlan.zhihu.com/p/28654835Intro
judgechen1997·2020-08-06 12:26

Visual Reasoning(1): CLEVR Dataset

CLEVR:ADiagnosticDatasetforCompositionalLanguageandElementaryVisualReasoningIntroductionDatasetGenerationDiscussion这项工作是VisualReasoning领域的开山之作了~李飞飞&FAIR构建了一个新的Reasoningdataset,CLEVR:https://cs.stanfor
judgechen1997·2020-08-06 12:26

Visual Reasoning(2): Inferring and Executing Programs for Visual Reasoning

InferringandExecutingProgramsforVisualReasoningIntroductionMethodsTrainingExperimentsConclusion这里有一些介绍：https://zhuanlan.zhihu.com/p/28654835这个工作最后还搞了一部分新数据集TheCLEVR-HumansDataset，就是用CLEVR的合成图片，让人重新写了一
judgechen1997·2020-08-06 12:26

Visual Reasoning | GQA Dataset

参考博客：https://blog.csdn.net/hester_hester/article/details/103238649https://zhuanlan.zhihu.com/p/64183181CLEVR虽然消除了datasetbias，但是人工合成的图像和问题组成，多样性较低，类和属性较少，容易使模型记住所有组合。因此提出GQA，由真实图像组成，并在一个大的语义空间中运行，更具挑战性
judgechen1997·2020-08-06 12:26

Reasoning with Sarcasm by Reading In-between

ReasoningwithSarcasmbyReadingIn-betweenclickhere：文章下载方法综述：本文提出了新的模型SIARN(Singal-dimensionalIntra-AttentionRecurrentNetworks)和MIARN(Multi-dimensionalIntra-AttentionRecurrentNetworks)。先给出一个定义，关系得分si,js_
孱弱Lynch·2020-08-04 17:15

Towards Accurate Scene Text Recognition with Semantic Reasoning Networks 论文翻译

摘要 场景文本图像包含两个水平的内容，视觉纹理和语义信息。虽然之前场景文本识别方法已经取得了很大的进展，然而研究很少在注意力机制来来挖掘语义信息，只有RNN结构不明确的探索了语义信息。我们观察到RNN结构有一些明显的缺陷。如与时间相关的解码方式和单向串行传输的语义环境，这极大限制了语义信息和计算效率。为了改善这些缺点，我们提出了一个端到端的新的解决方法叫做SRN，一个GSRM（globalsema
好运吉祥·2020-08-04 02:02

用于视觉问答的基于关系推理和注意力的多峰特征融合模型《Multimodal feature fusion by relational reasoning and attention for VQA》

目录一、文献摘要介绍二、网络框架介绍三、实验分析四、结论这是视觉问答论文阅读的系列笔记之一，本文有点长，请耐心阅读，定会有收货。如有不足，随时欢迎交流和探讨。一、文献摘要介绍TherecentlyemergedresearchofVisualQuestionAnswering(VQA)hasbecomeahottopicincomputervision.AkeysolutiontoVQAexist
Tiám青年·2020-08-03 08:45

【阅读笔记】Reasoning With Neural Tensor Networks for Knowledge Base Completion

前言论文地址PosterAbstract这篇论文里，作者介绍了一个适用于推理两个实体关系的神经网络（NeuralTensorNetwork）.相比之前的工作要么将实体表示成离散的最小单元或者是单个的实体向量，而这篇论文实验表明当实体被表现成他们词向量的平均值时实验的效果会提升。最后，论文证明当这些词向量通过大量非监督学习的语料学习结果作为参数的初始化值，对于预测知识库里两个实体是否有关系的评估结果
So_weak_yx·2020-08-02 14:42

reasoning engine in IOT

TheInternet-of-Thingsprovidesuswithlotsofsensordata.However,thedatabythemselvesdonotprovidevalueunlesswecanturnthemintoactionable,contextualizedinformation.Bigdataanddatavisualizationtechniquesallowus
wallance82·2020-07-30 02:51

SRN: Towards Accurate Scene Text Recognition with Semantic Reasoning Networks ---论文阅读笔记

Paper:https://arxiv.org/abs/2003.12294PipelineSemanticReasoningNetworks(SRN):BackboneNetwork+ParallelVisualAttentionModule(PVAM)+GlobalSemanticReasoning(GSRM)+Visual-SemanticFusionDecoder(VSFD)Backbon
CharlesWu123·2020-07-29 10:55

0002 Edge-aware Graph Representation Learning and Reasoning for Face Parsing

2020.07.27开始阅读代号00022020ECCVEdge-awareGraphRepresentationLearningandReasoningforFaceParsingGusiTe,YingluLiu,WeiHu,HailinShiandTaoMei摘要以前的方法忽略了不同人脸区域间的关联，但这些关联是有关容貌、姿态、表情的重要的线索，我们应该在人脸解析时考虑这些关联。我们提出了一个
yuerxiaoshui·2020-07-28 14:32

知识图谱在深度学习目标检测中的应用

AbstractIntroductionBaseDetecterKnowledgeGraphFeatureMap回顾FasterRCNNModelAdaptiveAttention应用介绍原理说明目标检测写在前面知识图谱：Reasoning-RCNN
DJ_SIGS·2020-07-27 11:56

Structured Multimodal Attentions for TextVQA

PipelineTextVQA任务需要三个步骤：reading，reasoning，answering，该模型专注于后两个步骤。1、Questionself-attentionmodule：
-Limbo-·2020-07-17 01:00

Explainable Reasoning over Knowledge Graphs for Recommendation

ExplainableReasoningoverKnowledgeGraphsforRecommendation摘要将知识图谱引入推荐中存在的问题未充分探索用于推断用户偏好的这种连接性对路径内的顺序性和整体语义建模方面存在不足提出解决问题的模型KPRN（知识感知路径递归网络），利用知识图谱做推荐KPRN的核心KPRN利用路径中的顺序依赖关系，我们可以在路径上进行有效推理，以推断用户与项目交互的基本
qq_41621342·2020-07-11 20:55

PIQA：Reasoning about physical commonsense in natural language

2019.11AAAI2020论文数据集和评测网站在本文中，我们介绍了物理常识推理的任务以及相应的基准数据集“物理交互：问答”或“PIQA”。尽管人们发现数据集很容易（准确度达到95％），但大型的预训练模型仍然很困难（〜77％）。我们提供有关现有模型缺乏的知识维度的分析，这为将来的研究提供了重要的机会。在孩子学习语言之前，他们开始根据周围物体的物理特性来形成类别和概念。这个模型的世界随着他们学习说
谁怕平生太急·2020-07-11 09:22

PIQA: Reasoning about Physical Commonsense in Natural Language 笔记+翻译

PIQA:ReasoningaboutPhysicalCommonsenseinNaturalLanguageAAAI2020Abstractcurrentstatus:Inmorephysicaldomains,textisinherentlylimitedduetoreportingbias.questiontobesolved:CanAIsystemslearntoreliablyanswe
boywaiter·2020-07-10 16:55

论文笔记：GSNN: The More You Know: Using Knowledge Graphs for Image Classification

通过结构化的先验知识以知识图谱的形式来优化image的分类：recognizing,recallingknowledge,reasoning。
flyminnnnn·2020-07-10 09:08

《学会提问》：理由是什么（第五期）

3理由是什么3.1定义首先讲一下论证的三大组成部分，也可以说是论证大厦的三块柱石——论题、结论、理由上次我们也提到了这个结构：理由+结论=论证（argument）/推理（reasoning）这里说一下理由的定义
雨沐wz·2020-07-10 06:00

论文解读：Dual Attention Networks for Multimodal Reasoning and Matching

这是关于VQA问题的第八篇系列文章。本篇文章将介绍论文：主要思想；模型方法；主要贡献。有兴趣可以查看原文：DualAttentionNetworksforMultimodalReasoningandMatching1，主要思想：这篇文章依然从多模态推理上介绍，不同的是文章引入两种类型的DANs进行多模态推理,匹配以及分类。推理模型允许可视化并在协作推理期间用文本注意机制互相关联。2，模型架构DAN
yealxxy·2020-07-10 05:24

structure, architecture, view

:Astructureisarchitecturalifitsupportsreasoningaboutthesystemandthesystem’sproperties.Reasoning:anattri
qq_41967508·2020-07-10 00:35

【论文阅读】【CVPR2017】Dual Attention Networks for Multimodal Reasoning and Matching

Abstract我们提出双重注意网络模型（DANs）利用视觉和文字共同注意机制捕捉视觉和语言之间的细微互动。DANs关注图像和文字的特定区域文本信息，这些文本信息是通过多个步骤收集来自两种模式的重要信息。基于这个框架，我们引入两种类型的DANs进行多模态推理,匹配以及分类。推理模型允许可视化并在协作推理期间用文本注意机制互相关联，这对于视觉问答（VQA）等任务很有用。此外，匹配模型利用文本和图像两
JustinXTT·2020-07-09 20:41

论文学习1-DeepPath: A Reinforcement Learning Method for Knowledge Graph Reasoning

文章目录摘要Introduction最近工作基于PRA的其他方法其他使用强化学习的方法我们的方法方法介绍（强化学习摘要研究了大规模知识图的学习推理问题。更具体地说，我们描述了一个用于学习多跳关系路径的新型强化学习框架:我们使用一个基于知识图嵌入的具有连续状态的基于策略的代理，该代理通过采样最有希望的关系来扩展其路径，从而在KG向量空间中进行推理。与之前的工作相比，我们的方法包含一个考虑准确性、多样
叶落叶子·2020-07-08 19:17

Skeleton-Based Action Recognition with Spatial Reasoning and Temporal Stack Learning 论文赏析

Skeleton-BasedActionRecognitionwithSpatialReasoningandTemporalStackLearning论文赏析前言IntroductionMotivation（动机）RelatedWorkOverviewModelArchitectureSpatialReasoningNetworkTemporalStackLearningNetwork数据预处理时
dyh_bupt·2020-07-07 22:17

Cosmos QA：Machine reading comprehension with contextual commonsense reasoning

2019.09-EMNLP2019论文评测网站介绍CosmosQA是一个35.6K问题的大规模数据集，需要基于常识的阅读理解，被表述为多项选择题。它着重于阅读人们日常叙事的不同线条之间的界限，询问有关事件的可能原因或影响的问题，这些事件需要推理超出上下文的确切范围。目前在此数据集上模型最高准确率为68.4%，相对于人类表现的94%。阅读理解的相关数据集SQuAD2016NEWSQA2017Sear
谁怕平生太急·2020-07-07 11:56

DeepPath: A Reinforcement Learning Method for Knowledge Graph Reasoning

DeepPath:AReinforcementLearningMethodforKnowledgeGraphReasoning来源背景Motivation强化学习训练过程实验代码来源2017EMNLPWenhanXiongandThienHoangandWilliamYangWangDepartmentofComputerScienceUniversityofCalifornia,SantaBar
damuge2·2020-07-07 06:32

AI中的策略选择（strategy selection）

本文尝试简单探讨这个问题推理方法（reasoning）选择AI设计中常用的推理方法包括案例式推理(Case-BasedReasoning;CBR)，约束补偿(Constraintpropagation)
AryaHooper·2020-07-07 03:18

【论文阅读】Deep Reasoning with Knowledge Graph for Social Relationship Understanding

MotivationExistingworkseithermerelyfixateontheregionsofpersonsofinterest[Sunetal.,2017]orexploitcategory-agnosticproposalsascontextualinformation[Lietal.,2017]toperformprediction.Despiteacknowledgedsu
LeviAckerman·2020-07-06 22:42

论文阅读：A Survey on Temporal Reasoning for Temporal Information Extraction from Text综述：文本中时间推理的时间信息抽取

ASurveyonTemporalReasoningforTemporalInformationExtractionfromText(ExtendedAbstract)综述（扩展摘要）：文本中时间推理的时间信息抽取目录ASurveyonTemporalReasoningforTemporalInformationExtractionfromText(ExtendedAbstract)综述（扩展摘要
南有芙蕖·2020-07-06 04:13

你真的了解人工智能吗？

两种分类：（一）强人工智能：认为有可能制造出真正能推理（Reasoning）和解决问题（Problem_solving）的智能机器，并且，这样的机器能将被认为
塰里·2020-07-04 00:02

Temporal Relational Reasoning in Videos（视频中的时序推理）

本文的原作者为MIT的BoleiZhou等人原文地址译文：lowkeybin摘要时序推理是智能物种的基本能力，即随着时间的推移将目标或实体有意义的转换联系起来的能力。在本文中，我们将介绍一种有效且能解释的网络模型--时序网络（theTemporalRelationNetwork（TRN）），该模型能学习并推断视频中多尺度上帧的时序依赖问题。我们在最近三个基本需要依赖时序推理的数据集Somethin
lowkeybln·2020-07-02 08:35

知识图谱在人工智能中的应用与思考

认知性智能包含自然语言理解（NLU），自然语言生成（NLG），知识推理（reasoning）等领域。行为智能主要聚焦在智能体
秃然变强了·2020-07-02 06:19

Social IQA：Commonsense Reasoning about Social Interactions

EMNLP2019.9论文及数据：https://maartensap.github.io/social-iqa/参考代码：https://github.com/huggingface/transformers概览介绍了SocialIQA，第一个面向社会情况常识推理的大规模基准，包含38000个覆盖日常情形中社交情感和智慧的多选题。（涵盖了关于在情境中描述人们的行为的各种类型的推断）比如：Q：乔丹
谁怕平生太急·2020-07-02 05:22

ATOMIC：An Atlas of Machine Commonsense for If-Then Reasoning

AAAI2019.2简单介绍包含87万条推理常识的知识图谱，和基于本体论分类条目的kg相比，这个知识库专注于“如果…那么…”关系的知识。9种类型的因果联系来区分原因-效果、主体-主题、自愿-非自愿、行动-心理状态。通过生成式训练，模型可以从kg中获取简单的常识推理能力。构建这个常识kg的动机人类在观察事件的一个小片段时，能够轻松地推理出事件的前因后果。（图片的呈现信息，是一个人；而一段话的呈现信息
谁怕平生太急·2020-07-02 05:22

论文-《From Recognition to Cognition: Visual Commonsense Reasoning》笔记

论文下载摘要（Abstract）：Visualunderstandinggoeswellbeyondobjectrecognition.Withoneglanceatanimage,wecaneffortlesslyimaginetheworldbeyondthepixels:forinstance,wecaninferpeople’sactions,goals,andmentalstates.W
Vivinia_Vivinia·2020-07-02 02:24
上一页 1 2 3 4 5 6 7 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他