الشبكات العصبية التكرارية ذات العلاقات

يتعلق هذا البحث بتعلم حل المهام التي تتطلب سلسلة من الخطوات المتداخلة للإدراك العلائقي، مثل الإجابة على أسئلة معقدة حول العلاقات بين الأشياء، أو حل الألغاز حيث تقيّد العناصر الصغيرة لحل اللغز بعضها البعض. نقدم شبكة الإدراك التكرارية (Recurrent Relational Network)، وهي وحدة عامة تعمل على تمثيل بياني للأجسام. كتوسيع لشبكة الإدراك (Relational Network) التي قدمها سانتورو وآخرون [2017]، يمكن لهذه الشبكة تعزيز أي نموذج لشبكات العصبونات الاصطناعية بقدرة القيام بالإدراك العلائقي لأكثر من خطوة. حققنا أفضل النتائج في مجموعة بيانات bAbI للأسئلة النصية باستخدام الشبكة التكرارية للإدراك، حيث تم حل جميع المهام الـ 20/20 بشكل متسق. نظرًا لأن مجموعة بيانات bAbI ليست صعبة بشكل خاص من وجهة نظر الإدراك العلائقي، فقد قمنا بتقديم Pretty-CLEVR، وهي مجموعة بيانات تشخيصية جديدة للإدراك العلائقي. في إطار عمل Pretty-CLEVR، يمكننا تغيير السؤال للتحكم في عدد الخطوات المطلوبة من الإدراك العلائقي للحصول على الإجابة. باستخدام Pretty-CLEVR، نستكشف حدود شبكات المُدرِكات متعددة الطبقات والشبكات العلاقلية والشبكات التكرارية العلاقلية. أخيرًا، نوضح كيف يمكن للشبكات التكرارية للإدراك تعلم حل ألغاز السودوكو من بيانات التدريب تحت إشراف، وهو مهمة صعبة تتطلب ما يصل إلى 64 خطوة من الإدراك العلائقي. حققنا أفضل النتائج بين الأساليب المماثلة بإيجاد حل لـ 96.6% من أصعب ألغاز السودوكو.