Fugu-MT 論文翻訳(概要): JokeMeter at SemEval-2020 Task 7: Convolutional humor

論文の概要: JokeMeter at SemEval-2020 Task 7: Convolutional humor

arxiv url: http://arxiv.org/abs/2008.11053v1
Date: Tue, 25 Aug 2020 14:27:58 GMT
ステータス: 処理完了
システム内更新日: 2022-10-25 03:41:46.737944
Title: JokeMeter at SemEval-2020 Task 7: Convolutional humor
Title（参考訳）: JokeMeter - SemEval-2020 Task 7: Convolutional humor
Authors: Martin Docekal, Martin Fajcik, Josef Jon, Pavel Smrz
Abstract要約: 本稿では,SemEval-2020 Task 7におけるHummor評価のためのシステムについて述べる。このシステムは畳み込みニューラルネットワークアーキテクチャに基づいている。
参考スコア（独自算出の注目度）: 6.853018135783218
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper describes our system that was designed for Humor evaluation within the SemEval-2020 Task 7. The system is based on convolutional neural network architecture. We investigate the system on the official dataset, and we provide more insight to model itself to see how the learned inner features look.
Abstract（参考訳）: 本稿では,SemEval-2020 Task 7におけるHummor評価のためのシステムについて述べる。このシステムは畳み込みニューラルネットワークアーキテクチャに基づいている。我々は、オフィシャルデータセット上でシステムを調査し、学習した内部機能がどのように見えるかを見るために、モデル自身についてより洞察を提供する。

関連論文リスト

Histogram Layers for Neural Engineered Features [1.3963768610574674]
局所的なバイナリパターンとエッジヒストグラム記述子は、様々なコンピュータビジョンタスクにおいて有益な特徴であることが示されている。本稿では,ニューラルネットワークに埋め込まれたヒストグラム層を用いて,これらの特徴が学べるかどうかを考察する。本稿では,特徴表現を協調的に改善し,画像分類を行う,局所的バイナリパターンとエッジヒストグラム記述子のニューラルバージョンを提案する。
論文参考訳（メタデータ） (2024-03-25T20:43:48Z)
GNN-LoFI: a Novel Graph Neural Network through Localized Feature-based Histogram Intersection [51.608147732998994]
グラフニューラルネットワークは、グラフベースの機械学習の選択フレームワークになりつつある。本稿では,古典的メッセージパッシングに代えて,ノード特徴の局所分布を解析するグラフニューラルネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2024-01-17T13:04:23Z)
Convolutional Neural Generative Coding: Scaling Predictive Coding to Natural Images [79.07468367923619]
畳み込み型神経生成符号化(Conv-NGC)を開発した。我々は、潜伏状態マップを段階的に洗練する柔軟な神経生物学的動機付けアルゴリズムを実装した。本研究は,脳にインスパイアされたニューラル・システムによる再建と画像復調の課題に対する効果について検討する。
論文参考訳（メタデータ） (2022-11-22T06:42:41Z)
Dynamic Inference with Neural Interpreters [72.90231306252007]
本稿では,モジュールシステムとしての自己アテンションネットワークにおける推論を分解するアーキテクチャであるNeural Interpretersを提案する。モデルへの入力は、エンドツーエンドの学習方法で一連の関数を通してルーティングされる。ニューラル・インタープリタは、より少ないパラメータを用いて視覚変換器と同等に動作し、サンプル効率で新しいタスクに転送可能であることを示す。
論文参考訳（メタデータ） (2021-10-12T23:22:45Z)
Supervised DKRC with Images for Offline System Identification [77.34726150561087]
現代の力学系はますます非線形で複雑なものになりつつある。予測と制御のためのコンパクトで包括的な表現でこれらのシステムをモデル化するフレームワークが必要である。本手法は,教師付き学習手法を用いてこれらの基礎関数を学習する。
論文参考訳（メタデータ） (2021-09-06T04:39:06Z)
Temporal Graph Network Embedding with Causal Anonymous Walks Representations [54.05212871508062]
本稿では,時間グラフネットワークに基づく動的ネットワーク表現学習のための新しいアプローチを提案する。評価のために、時間的ネットワーク埋め込みの評価のためのベンチマークパイプラインを提供する。欧州の大手銀行が提供した実世界のダウンストリームグラフ機械学習タスクにおいて、我々のモデルの適用性と優れた性能を示す。
論文参考訳（メタデータ） (2021-08-19T15:39:52Z)
kdehumor at semeval-2020 task 7: a neural network model for detecting funniness in dataset humicroedit [3.612189440297043]
Team KdeHumorは、Bi-Directional LSTMs(BiLSTMs)を含む、リカレントニューラルネットワークモデルを採用する提案手法の性能を解析し,アーキテクチャの各コンポーネントの貢献を実証する。
論文参考訳（メタデータ） (2021-05-11T15:44:03Z)
PredRNN: A Recurrent Neural Network for Spatiotemporal Predictive Learning [109.84770951839289]
歴史的文脈からビジュアルダイナミクスを学習するための新しいリカレントネットワークであるPredRNNを紹介する。本手法は,3つの標準データセット上で高い競争結果が得られることを示す。
論文参考訳（メタデータ） (2021-03-17T08:28:30Z)
RGCL at SemEval-2020 Task 6: Neural Approaches to Definition Extraction [12.815346389235748]
本稿では,SemEval 2020 Task 6: DeftEval, subtasks 1, 2へのRGCLチームの提出について述べる。システムは文とトークンのレベルで定義を分類する。
論文参考訳（メタデータ） (2020-10-13T10:48:15Z)
Duluth at SemEval-2020 Task 7: Using Surprise as a Key to Unlock Humorous Headlines [1.8782241143922103]
ユーモアの不整合理論にインスパイアされた私たちは、編集された見出しのサプライズを捉えるために、対照的なアプローチを使用します。公式評価では,49件中11件目で0.531件のRMSEが得られた。
論文参考訳（メタデータ） (2020-09-06T18:34:54Z)
Yseop at SemEval-2020 Task 5: Cascaded BERT Language Model for Counterfactual Statement Analysis [0.0]
我々は、分類タスクにBERTベースモデルを使用し、シーケンス識別タスクを処理するために、ハイブリッドBERTマルチ層パーセプトロンシステムを構築した。本実験により, 構文的・意味的特徴の導入は, 分類タスクにおけるシステム改善にはほとんど寄与しないが, それらの特徴を線形入力として用いて, モデルのシーケンス決定能力を微調整することにより, 2次タスクにおいてBiLSTM-CRFのような他の類似の複雑なシステムよりも優れていることを示す。
論文参考訳（メタデータ） (2020-05-18T08:19:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。