GRU:神经程序解释器性能优化

• 作者: 汪权 陈瀚宁
• 来源期刊: 哈尔滨商业大学学报（自然科学版）
• 学科: 工学
• 关键词: 人工智能 神经程序解释器 长短期记忆单元 门循环单元 AMSGrad算法 枚举搜索
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 计算机与信息工程
• 页码范围: 327-331
• 页数: 5页
• 分类号: TP389.1
• 字数: 3110字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-0946.2019.03.016

摘要

传统神经程序解释器NPI(Neural Programmer-interpreters)存在运算性能较低的问题,为了提升人工智能自动编码中训练速度,平均损失等性能,在传统神经程序解释器基础上,对其进行重构,通过采用GRU(Gated recurrent unit)为核心计算模块,引入基于枚举的程序空间搜索技术,并使用AMSGrad收敛算法改进神经程序解释器.使得重构后的神经程序解释器在训练速度上相较重构前提升了33％,在平均损失率方面下降了28％.重构后神经程序解释器运算性能方面有较大提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈瀚宁	天津工业大学计算机科学与软件学院	7	31	2.0	5.0
2	汪权	天津工业大学计算机科学与软件学院	1	0	0.0	0.0