RecipeNet: un trasformatore gerarchico per dati di ricette
È stato appena introdotto un nuovo modello di apprendimento automatico chiamato RecipeNet, progettato per migliorare il modo in cui apprendiamo dai dati delle ricette. Questo tipo di dati è molto importante per la creazione di materiali, lo sviluppo di farmaci e i processi industriali. I dettagli sono in un articolo su arXiv, che affronta alcuni problemi con i metodi tabulari attuali che perdono importanti interazioni forzando le ricette in formati rigidi. RecipeNet utilizza una configurazione gerarchica di trasformatori che cattura le interazioni a diversi livelli e il flusso tra i passaggi. I test su vari set di dati di ricette mostrano che supera i modelli esistenti. Puoi consultare l'articolo su arXiv con ID 2608.14505 nella sezione Informatica > Apprendimento automatico. Questa ricerca evidenzia il potenziale delle reti neurali avanzate per gestire dati complessi nella scienza e nell'industria.
Fatti principali
- RecipeNet è un'architettura gerarchica di trasformatore per dati di ricette.
- Codifica le interazioni a livello di campo all'interno di ogni passaggio e le dipendenze sequenziali tra i passaggi.
- Il modello supera i modelli tabulari esistenti su più set di dati e compiti di ricette.
- I dati delle ricette emergono nella sintesi dei materiali, nella formulazione farmaceutica e nella produzione industriale.
- I metodi di apprendimento tabulare esistenti appiattiscono la struttura delle ricette in rappresentazioni a schema fisso.
- L'articolo è disponibile su arXiv con identificatore 2608.14505.
- L'articolo è classificato sotto Informatica > Apprendimento automatico.
- Il modello utilizza encoder di trasformatori impilati.
Entità
Istituzioni
- arXiv