attention-based model | BriefGPT

关键词attention-based model

搜索结果 - 28

ACL采用单步奖励观察的顺序指令到动作的现场映射
该研究提出了一种学习方法，用于将上下文相关的顺序指令映射到动作，并设计出 SESTRA 算法来训练最大化即刻期望奖励的模型，从而实现单步奖励观测。同时，该算法考虑到交互的历史和世界状态的影响，通过实验表明，相较于逻辑表示方法，提出的算法在
PDF6 years ago
EMNLP源端潜在图解析的神经机器翻译
该论文提出了一种新颖的神经机器翻译模型，可联合学习句子的翻译和源端的潜在图表示，通过端到端模型优化句子的潜在图解析器，实现了目标翻译优化，并在标准的英日翻译数据集上显著优于以前的最佳模型。
PDF7 years ago
ICCV图像字幕注意力区域
提出了基于注意力机制的图像描述模型，该模型使用三种成对的交互来建立图像区域、描述文本和 RNN 语言模型之间的依赖关系，并运用空间变换器来生成最佳的区域关注机制，达到了 MSCOCO 数据集上的最佳结果。
PDF8 years ago
CVPR基于深度的人物识别的递归注意模型
本文提出了一种基于注意力机制的人体形状和运动动力学的识别模型，用于在没有 RGB 信息的情况下对人员身份进行识别。该模型利用独特的 4D 时空特征，采用卷积和循环神经网络相结合的形式，目标是识别代表人类身份的小的、具有区分性的区域。结果表明
PDF8 years ago
神经机器翻译的时间注意模型
本文介绍了一种基于注意力机制的神经机器翻译模型，该模型通过暂时性存储对齐信息和调节注意力值的方法，提高了翻译效果，在两种语言对上的大规模实验中，该方法不仅超越了基线 NMT 模型，还比其他相关方法表现更出色，甚至有些情况下在不使用集成的情
PDF8 years ago
扫描、关注与阅读：采用 MDLSTM 关注的端到端手写段落识别
本文提出了一种基于注意力机制的模型，用于端到端手写文字识别，可以自动识别多行手写内容，无需进行预先分割。
PDF8 years ago
使用视觉注意力的神经图像字幕生成
该论文介绍了一种基于注意力机制的模型，通过机器翻译和物体检测实现图像内容的自动描述，通过最大化变分下界确定性训练该模型，并展示了该模型在生成输出序列时能够自动学习聚焦于显著物体。三个基准数据集上的性能表现也证明了该模型的有效性。
PDF9 years ago
视觉注意力下的多对象识别
提出使用基于注意力模型的深度循环神经网络，加上强化学习训练，以识别并定位输入图像中的多个目标。通过在谷歌街景图像中转录房屋编号序列的挑战性任务上的测试，表明该模型精度高于现有最先进的卷积神经网络，且使用的参数和计算量较少。
PDF10 years ago