【牛津大学博士论文】量子自然语言处理范畴论

来源：专知
本文为论文介绍，建议阅读5分钟
本文介绍了量子自然语言处理(QNLP)模型，其基础是计算语言学和量子力学之间的一个简单而强大的类比:语法纠缠。

本文介绍了量子自然语言处理(QNLP)模型，其基础是计算语言学和量子力学之间的一个简单而强大的类比:语法纠缠。文本和句子的语法结构将单词的含义联系起来，就像纠缠结构将量子系统的状态联系起来一样。范畴论可以使这种语言到量子比特的类比形式化:它是一个从语法到向量空间的monoidal函子。将这种抽象的类比转化为具体的算法，将语法结构转换为参数化量子电路的架构。然后，我们使用经典-量子混合算法来训练模型，以便在评估电路时计算数据驱动任务中句子的含义。

QNLP模型的实现推动了DisCoPy(分布式组合Python)的发展，第一章对应用范畴论的工具包进行了全面概述。字符串图是DisCoPy的核心数据结构，它们允许在高抽象级别上推理计算。展示了它们如何编码语法结构和量子电路，以及逻辑公式、神经网络或任意Python代码。Monoidal函子允许将这些抽象的图转换为具体的计算，并与优化的特定任务库进行接口。

第二章使用DisCopy将QNLP模型实现为从语法到量子电路的参数函子。它为函子学习的更一般的概念提供了第一个概念证明:通过从类似图的数据中学习，将机器学习从函数推广到函子。为了通过梯度下降学习最优函子参数，引入了图微分的概念:一种用于计算参数化图梯度的图形演算。

https://www.zhuanzhi.ai/paper/2926740ae817b839b6599f4b87e1e49b

【牛津大学博士论文】量子自然语言处理范畴论相关推荐

【牛津大学博士论文】关系数据的学习和推理
来源:专知本文为论文介绍,建议阅读5分钟在这篇论文中,我们研究了关系数据的学习和推理. 关系数据在现代计算中无处不在,并驱动跨多个领域的几个关键应用程序,如信息检索.问题回答.推荐系统和药物发现. ...
【牛津大学博士论文】自监督学习视频理解
来源:专知本文为论文介绍,建议阅读5分钟机器只知道某些物体的名称和位置是不够的,许多任务需要对复杂的物理世界有更深入的了解. 深度学习的出现为许多基本的计算机视觉任务带来了巨大的进展,如分类.检测和 ...
神经网络“炼丹炉”内部构造？牛津大学博士小姐姐用论文解读
点上方蓝字计算机视觉联盟获取更多干货在右上方 ··· 设为星标 ★,与你不见不散仅作学术分享,不代表本公众号立场,侵权联系删除转载于:量子位 AI博士笔记系列推荐周志华<机器学习> ...
神经网络“炼丹炉”内部构造长啥样？牛津大学博士小姐姐用论文解读
萧箫发自凹非寺量子位报道 | 公众号 QbitAI 神经网络就像"炼丹炉"一样,投喂大量数据,或许能获得神奇的效果. "炼丹"成功后,神经网络也能对没见 ...
模块说和神经网络学说_让神经网络解释自己：牛津大学博士小姐姐，用毕业论文揭示“炼丹炉”结构...
萧箫发自凹非寺量子位报道 | 公众号 QbitAI 神经网络就像"炼丹炉"一样,投喂大量数据,或许能获得神奇的效果. "炼丹"成功后,神经网络也能对没见 ...
论文 | 图理论 | 2020年明尼苏达大学博士论文《学习强大的深度图神经网络和嵌入》
原创 Saurabh Verma 图科学实验室Graph Science Lab 2022-06-25 00:00 发表于台湾学习强大的数据嵌入最近已成为机器学习算法的核心,尤其是在自然语言处理和计 ...
【密歇根大学博士论文】深度强化学习进展：内在奖励，时间信用分配，状态表示和价值等效模型...
来源:专知本文为论文介绍,建议阅读5分钟本文旨在进一步推进深度学习技术. 强化学习(Reinforcement learning, RL)是一种机器学习范式,研究智能体如何学习预测和控制自己的经验 ...
被誉为「教科书」，牛津大学231页博士论文全面阐述神经微分方程，Jeff Dean点赞...
点击上方"AI遇见机器学习",选择"星标"公众号重磅干货,第一时间送达来自:机器之心牛津大学的这篇博士论文对神经微分方程(NDE)展开了全面细致的研究.论 ...
牛津大学231页博士论文全面阐述神经微分方程（NDE），Jeff Dean点赞
©作者 | 机器之心编辑部来源 | 机器之心牛津大学的这篇博士论文对神经微分方程(NDE)展开了全面细致的研究.论文作者表示,他希望这篇论文可以吸引到对深度学习与动力学系统结合感兴趣的读者,并希望 ...

【牛津大学博士论文】量子自然语言处理范畴论

【牛津大学博士论文】量子自然语言处理范畴论相关推荐

最新文章

热门文章