Original-URL des Artikels: https://www.golem.de/news/neural-structured-learning-tensorflow-lernt-auf-graphen-und-strukturierten-daten-1909-143649.html    Veröffentlicht: 05.09.2019 10:30    Kurz-URL: https://glm.io/143649

Neural Structured Learning

Tensorflow lernt auf Graphen und strukturierten Daten

Das Machine-Learning-Framework Tensorflow von Google ist um das sogenannte Neural Structured Learning erweitert worden. Damit können auch Graphen und anderen strukturierte Eingabesignale aus Lerngrundlage genutzt werden.

Die Entwickler von Google haben Tensorflow um die Funktion des sogenannten Neural Structured Learning erweitert, wie das Team in seinem Blog mitteilt. Damit sollen erfahrene wie auch unerfahrene Entwickler in der Lage sein, neuronale Netzwerke auf der Grundlage strukturierter Eingabesignale trainieren zu können.

Laut der Ankündigung lassen sich mit dem System robuste Modelle zu Bilderkennung, Sprachverarbeitung oder auch zur allgemeinen Vorhersage erstellen. Die Eingabesignale können dabei in Graphen oder anderen Strukturen repräsentiert werden. Die Idee des darauf ausgeführten Lernens ist es, die Relationen der so vorgehaltenen Daten zueinander auszuwerten, statt eben einzelne Eingabedaten zu nutzen wie bisher. Die konkrete Vorgehensweise soll sich dabei für jede beliebige Art neuronaler Netzwerke eignen.

Die Arbeiten an dem nun verfügbaren Framework basieren auf Forschungen von Google (PDF). Demnach helfe das Lernen auf strukturierten Daten vor allem, um die Genauigkeit von Modellen zu erhöhen, wenn zum Lernen vergleichsweise wenige gut gekennzeichnete Ausgangsdaten zur Verfügung stünden.

Als mögliche Ausgangsdaten zählt das Team Techniken wie den Knowledge Graph auf, aber auch Krankenakten, Gendaten oder eben auch multimodale Relationen wie Text-Bild-Paare. Eigenen Angaben zufolge setzt das Team bei Google diese neue Art des maschinellen Lernens bereits ein, um die Leistung bestimmter Modelle zu verbessern. Weitere Details zu dem Neural Structured Learning finden sich auf der Webseite von Tensorflow, wo das Team auch ein Tutorial zur Nutzung der Technik bereitstellt. Der Code findet sich auf Github.  (sg)


Verwandte Artikel:
Tensorflow: Google bringt Machine-Learning auf Quantenrechner   
(10.03.2020, https://glm.io/147155 )
Deep Learning: Software wandelt Handskizzen in echte Gesichter um   
(05.06.2020, https://glm.io/148920 )
KI: Software generiert 3D-Modelle aus 2D-Bildern   
(22.06.2020, https://glm.io/149217 )
Big Data: Microsoft legt Graph Engine offen   
(10.02.2017, https://glm.io/126120 )
#blacklivesmatter: IBM stellt Arbeit an Gesichtserkennung ein   
(09.06.2020, https://glm.io/148970 )

© 1997–2020 Golem.de, https://www.golem.de/