今日 Paper | 人脸数据隐私；神经符号推理；深度学习聊天机器人等

正文

请到「今天看啥」查看全文

Facebook： 通过将数学表达式重组为一种语言，用神经网络符号推理求解复杂数学方程

论文名称：Deep Learning for Symbolic Mathematics

作者：Lample Guillaume /Charton François

发表时间：2019/12/2

论文链接： https://paper.yanxishe.com/review/8879

推荐原因：该论文由 Facebook AI 团队提出。根据团队研究，Facebook 已经建立了第一个可以使用符号推理解决高等数学方程的人工智能系统。研究人员通过开发一种新的方法，将复杂的数学表达式表示为一种语言，然后将解看作是 sequence-to-sequence 神经网络的翻译问题，结果显示，在求解积分问题和一阶、二阶微分方程方面都优于传统计算系统的系统。

以前，这类问题被认为超出了深度学习模型的范围，因为求解复杂方程需要精确而不是近似。神经网络擅长于通过近似来学习，比如识别一个特定的像素模式（可能是一个狗的图像），或者一个句子在一种语言中的特征与另一种语言中的特征相匹配。解决复杂的方程也需要处理符号数据的能力，Facebook AI 团队在该论文的研究结果表现要优于诸如 Matlab 或 Mathematica 之类的计算代数系统。

模型目前处理的是单变量问题，Facebook AI 团队计划将其扩展到多变量方程。这种方法也可以应用于其他基于数学和逻辑的领域，期待有更好的结果~

请到「今天看啥」查看全文