WReN模型

CNN会独立处理每个内容panel并且一个单独的回答会选择一个panel来产生9个

矢量embedding

。然后将这组embedding传递给RN(其输出是单个

sigmoid单元

)，为相关答案选择panel的“得分”进行编程。 通过该网络进行8次这样的传递（为简便起见，我们仅描绘2次），每次答案选择一次，就会通过

softmax函数

得分以确定模型的预测答案。

当需要使用属性值在先前看到的属性值之间“内推”（interpolated），以及在不熟悉的组合中应用已知的抽象关系时，模型的泛化效果非常好。但是，同样的网络在“外推”（extrapolation）机制中表现糟糕得多，在这种情况下，测试集中的属性值与训练期间的属性值不在同一范围内。对于在训练中包含深色物体，但测试中包含浅色物体的谜题中就会出现这种情况。当模型被训练来将以前见到的关系（比如形状的数量）应用到一个新的属性（比如形状的大小）时，泛化性能也会更差。

• 它是前列腺的“一线生机”，男人常吃，炎症可能会“仓皇而逃”
• 男人房事中的“3不要”，可能既伤身体又伤感情，尽量别忽视
• 医生：脖子上出现3个症状，癌症可能已临近
• 45岁后，还能有这4个共性，恭喜你，可能与长寿有缘
• 你一直吃的面条竟然是你胖的罪魁祸首？你可能是减了一个假肥
• 恩爱夫妻需注意，身体此部位切不可深吻，可能会影响健康
• 男人过了45岁，若还有这4个表现，恭喜，你的寿命可能会更长！
• 脖子上若发现3个“信号”，可能癌细胞想“苏醒”，早知道早受益
• 常感疲劳，脱发严重？可能是这不好！5样“黑色食物”滋阴补肾，
• 每天“这个”时间排便的人，可能是“长寿”体质，不妨自测一下