attention-based | BriefGPT - AI 论文速递

关键词attention-based

搜索结果 - 30

基于注意力机制的端到端小尺寸关键词检测模型
本文介绍一种基于注意力机制和神经网络的小尺寸关键词检索方法，在 RNN 编码器和注意力机制的帮助下，以线性变换和 softmax 函数为基础，通过实验验证，与当前最新的深层学习关键词检索方法相比，本文提出的方法在准确率方面有较大提高，同时模
PDF6 years ago
ICLR机器推理的组合注意力网络
我们介绍了 MAC 网络，这是一种新颖的完全可分化的神经网络体系结构，旨在促进显式和表达推理。该模型通过将问题分解为一系列基于注意力的推理步骤来处理问题，并且通过 MAC 单元来执行每个推理步骤。该模型在视觉推理方面表现出强大、鲁棒和可解释
PDF6 years ago
ICLR深度语音 3：使用卷积序列学习扩展语音合成
Deep Voice 3 是一种全卷积自注意神经文本转语音系统，可以很好地匹配目前最先进的神经语音合成系统的自然度，同时训练速度快于十倍。通过在超过 2000 位演讲者的超过 800 小时的音频数据上进行训练，实现了 TTS 数据集规模的前
PDF7 years ago
聚焦注意力：自然图像中准确的文本识别
本文提出了一种名为 Focusing Attention Network 的方法，利用聚焦注意机制来消除针对复杂和 / 或低质量图像的 “注意力漂移” 现象，同时采用 ResNet-based 网络来丰富场景文本图像的深层表示，并在 III
PDF7 years ago
NIPS出席并预测：关于染色质上选择性注意力的基因调控理解
本文介绍了一种基于深度学习的 AttentiveChrome 方法，用于对基因调控中的染色质因子进行依赖建模和预测，同时对 56 个不同的人类细胞类型进行评估，并提供更好的解释性能力。
PDF7 years ago
ACL学习解析和翻译改进神经机器翻译
本文提出了一种名为 NMT+RNNG 的混合模型，它将循环神经网络语法与基于注意力的神经机器翻译相结合，通过训练鼓励神经机器翻译模型吸收语言先验知识，并在其后进行自主翻译。4 种语言配对的实验表明该模型非常有效。
PDF7 years ago
将全局视觉特征合并到基于注意力的神经机器翻译中
这篇论文介绍了多模态的注意力神经机器翻译模型，并将视觉特征整合在编码器和解码器的不同部分中，利用预训练的卷积神经网络提取全局图像特征，评估了不同策略整合全局图像特征的性能，并研究了添加合成多模态的多语言数据的影响，发现其对多模态模型有积极作
PDF7 years ago
序列转序列模型中更好的解码和语言模型集成
该研究分析了一个基于注意力机制的序列到序列语音识别系统，提出了解决其预测过于自信和产生不完整转录的问题的实用解决方案，并在没有语言模型的情况下，其词错误率为 10.6％，与 trigram 语言模型一起达到了 6.7％的词错误率。
PDF8 years ago
目标检测的关注上下文
通过开发一种名为 AC-CNN 的新型神经网络模型，将全局和局部上下文信息有效地结合到区域卷积神经网络中，提高了目标检测性能，特别是在 PASCAL VOC 2007 和 VOC 2012 数据集上，与目前主流的 Fast-RCNN 算法相
PDF8 years ago
RATM: 循环注意力跟踪模型
本研究提出了一种基于注意力机制的模块化神经框架，可应用于计算机视觉领域中的目标跟踪任务，并在三个数据集上进行了实验验证，在挑战性的跟踪数据集上表现优异。
PDF9 years ago