本文主要是介绍DeepMind关系推理网络，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
简介
本文用一个普适的关系网络RNs（Relation Networks）来解决“关系推理”(relational reasoning)问题。其使用的模型结构简单，效果远胜已有算法，甚至超出人类表现。
论文于2017年6月5日在arxiv发布。由于其原理简明，爱好者们很快给出了pytorch实现、keras实现以及tensorflow实现。
关系推理问题
关系推理问题由三部分组成。
-
一系列事实，即推理的素材。可以是：
- 一张图片：红色的球，黄色的圆柱，蓝色的立方体。
- 一组场景信息：每个物体的类别，颜色，尺寸，位置。
- 几个句子：Mike拿着足球。Mike去了办公室。
- 一段数据：几个球在物理系统中弹跳，其中某几个有隐形杆相连。给出这些球的实时位置。
-
一个问题，作为推理的提示。由于强调关系，这些问题都涉及不止一个对象。例如：
- 红色和黄色物体是否为同一类？
- 哪个物体离蓝色球最远？
- 足球在哪里？
- 那些物体在运动时是相连的？
-
一个回答，即推理的结果。例如：
- (红色和黄色物体)是(同一类)。
- 黄圆柱。
- (足球在)办公室。
- A球和B球(是相连的)。
在训练集中，每组数据包含1.2.3；在测试集中，每组数据包含1.2， 要求回答出3。
说明：问题和回答不局限于自然语言。也可能使用结构化数据表示。
网络结构
系统
推理网络可以用下图表述。
事实O
和问题Q都经过不同的embedding网络提取特征变为o,q
。这l两者构成系统的processing部分。
对于不同类别的输入，embedding可能是CNN（图像）或LSTM（自然语言）。
两个特征送入reasoning部分，推理出回答a
。
传统的推理网络中，reasoning部分可能是MLP，LSTM，或者带有attention的LSTM。
关系网络RN
本文使用关系网络（Relational Network）实现reasoning部分。
其理念非常直观
- 把事实特征分解成一系列对象o={o1,o2...on}
- 把对象两两配对，和问题特征q组成三元组
- 将三元组送入一个统一的MLP网络g
- 得到的结果相加，再次送入一个MLP网络f，输出回答a
可以用一个公式表达：
a=f(∑g(oi,oj,q))
RN的这种结构明确地表达了关系推理的两个思想：
1. 最终答案和成对的对象有关
2. 问题本身也会影响如何考察对象对
举例：如果问题中包含“多远”，则应该关注两个对象的距离；如果问题中包含“和…颜色相同”，则应该关注两个对象的颜色。
具体实现
本文的实验设置非常详尽，具体可参看附录部分。这里只概述几个例子，大致建立基本概念。
特征提取
图像
不同任务均使用CNN对图像进行编码。差别仅在于卷积层具体参数。
使用如下步骤获得对象oi
- 原始图像归一化尺寸
- 经过一个卷积层获得p×q×k的结果
- 再经过Batch Normalization层和ReLU
- 结果中每个像素位置的k维特征 + 该像素归一化位置 = k+2维oi
1
试验中k=24。
自然语言
首先每个单词经过特征提取网络转化为32位特征。
之后把句子经过LSTM转换成特征，LSTM的单元数为32，128或256。
对于由多个句子组成的事实，每个句子的特征+该句子在事实集合中位置 = 对象oi
；
对于问题，该问句的特征即为q
。
结构化数据
将每个物体的结构化数据（位置、颜色、尺寸、材质）直接作为对象特征。
RN网络
不同任务使用RN网络结构类似，以下举出一例。
g
：4层MLP，每层256个节点；ReLU激活。
f
：3层MLP，各层节点256-256-29；50%的drop-out；ReLU激活；softmax输出各种答案的概率。
结论
比起已有系统的特征提取部分（ResNet，VGG），本文的特征提取模型简单，却仍取得更好效果。这证明：
关系推理问题的难点在“推理”部分，而非信息处理部分。
对于非关系推理类问题，本文系统与已有系统表现类似；但在关系推理问题中，本文远远胜出。说明：
本文RN网络的成对结构是解决关系推理的关键。
作者在未来工作的展望中，希望把RN结构应用到更广泛的问题中，例如强化学习的复杂场景理解，社交网络建模，抽象问题求解等。还可以利用attention机制缩减对象对的规模，以节约资源。
这篇关于DeepMind关系推理网络的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
