Neuron Mathematical Model Representation of Neural Tensor Network for RDF Knowledge Base Completion

Article Type:
Research/Original Article (بدون رتبه معتبر)

In this paper, a state-of-the-art neuron mathematical model of neural tensor network (NTN) is proposed to RDF knowledge base completion problem. One of the difficulties with the parameter of the network is that representation of its neuron mathematical model is not possible. For this reason, a new representation of this network is suggested that solves this difficulty. In the representation, the NTN is modeled as a multi-layer perceptron (MLP) network and the tensor parameter can be distributed into the new network neurons.  Moreover, it is suggested that the inputs can be converted into one vector rather than the inputs of NTN are two correlated vectors at the same time. The results approve that the NTN does not indeed represent a new neural network and the implementation results easily confirm it can be considered as another representation of the MLP network. So, the first idea is representation of a neuron based mathematical model for the NTN through the ordinary and yet well-defined neural network concepts and next contribution will be equivalency proof of the two NTN and suggested MLP networks.

Journal of Computer and Robotics, Volume:10 Issue: 1, Winter and Spring 2017
1 to 10  
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required

Personal subscription
Subscribe for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!