決定論的な非自己回帰型ニューラルシーケンスモデリングの反復改良による実現

我々は反復改良に基づく条件付き非自己回帰型ニューラルシーケンスモデルを提案します。本モデルは潜在変数モデルとデノイジングオートエンコーダーの原理に基づいて設計されており、任意のシーケンス生成タスクに一般的に適用可能です。我々は提案したモデルを機械翻訳（英語-ドイツ語および英語-ルーマニア語）と画像キャプション生成において広範囲に評価し、解码が大幅に高速化されつつ、自己回帰型モデルと同等の生成品質を維持することを確認しました。