计算机工程与科学

作者：韩虎, 孙天岳, 赵启涛

单位：（1.兰州交通大学电子与信息工程学院,甘肃 兰州 730070;2.甘肃省人工智能与图形图像工程研究中心,甘肃 兰州 730070）

关键词：生成对抗神经网络,自编码模块,强化学习,交叉熵,

基金：国家社会科学基金(17BXW071)；国家自然科学基金(61562057)；甘肃省科技计划(18JR3RA104）

自编码模型是一种无监督的学习算法，主要用于数据的降维和特征提取。在对抗神经网络模型基础上引入自编码模型，旨在提高输入数据的特征表示。主要使用前馈神经网络和Seq2seq模型学习原文本特征，将随机数据变为具有特征的数据作为输入，加快训练的速度，提高模型的准确率。同时使用强化学习模型解决反向传播中离散化数据梯度难以下降的问题。模型的鉴别器使用CNN网络和交叉熵模型，使生成的文本具有新颖性。使用BELU评价指标和主观评价的实验结果均表明了该模型的有效性。

来源：2020年第9期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2020年第9期