gru | BriefGPT - AI 论文速递

关键词gru

搜索结果 - 28

基于多粒度信息和多模块交互的情感 - 因果对提取方法
通过共享交互模块、情感 - 原因对抽取和情感抽取和原因抽取之间的共享信息挖掘，以及根据知识图谱路径长度筛选合适标签并构建任务特定特征，提出了基于 GRU、知识图谱和 Transformer 模块的端到端多任务模型 (MM-ECPE)，在 E
PDF3 months ago
利用循环神经网络在 3D 点云中分类物体：一种 GRU LSTM 混合方法
该研究提出了一种用于增强现实中的 3D 物体分类的深度学习策略，该策略结合了 GRU 和 LSTM 的优点，并在数据集中达到了 0.99 的准确率。
PDF4 months ago
使用自注意 GRU 和斯哈普利值解释的美式期权定价
提出了一种基于门控循环单元 (GRU) 和自注意机制的机器学习方法，用于预测 SPY (ETF) 期权的价格。通过对原始数据集进行分割，研究了无风险利率和基础波动率对期权定价的影响。构建了四种不同的机器学习模型，并发现具有历史数据的自注意
PDF8 months ago
利用深度学习对眼动数据进行阿尔茨海默病分类
使用深度学习分类器（VTNet）对原始眼动数据进行端到端训练，以改进目标 AD 分类任务中的性能，并证明该模型在从眼动数据中进行预测方面具有普适性。
PDF9 months ago
一种基于 LSTM、BiLSTM、CNN、GRU 和 GloVe 的混合机器学习模型用于癌症基因突变分类
本研究提出了一种集成模型，结合了 LSTM、BiLSTM、CNN、GRU 和 GloVe，用于对基因突变进行分类，在 Kaggle 的个性化医学中使用《重定义癌症治疗》数据集。结果与 BERT、Electra、Roberta、XLNet、D
PDFa year ago
CVPR由超点引导的无监督 3D 场景流估计
本文提出了一种基于可动态更新超级点的 3D 场景流估计框架，该框架结合超级点生成模块和超级点导向流细化模块，通过流提导超级点的生成和可适应聚合超级点级流来重建点的流，并将一致性编码和重建流输入 GRU 以细化点级流，实现了对复杂 3D 场景
PDFa year ago
使用新数据集的 LSTM 和 GRU 在阿拉伯语言命名实体识别中的应用
本文介绍一种使用 BIOES 格式标记具有超过 36,000 个数据记录的阿拉伯语命名实体识别数据集，并使用 LSTM 和 GRU 进行建模的方法，取得了大约 80％的良好成果，同时介绍了使用 Trax 和 Colab 平台的新库。
PDFa year ago
时间序列模型的易感性与鲁棒性：对抗攻击与防御
本研究研究了七种时间序列模型对于三种对抗攻击的敏感性和使用防御机制的鲁棒性，实验结果表明所有模型均易受攻击，其中尤以 GRU 与 RNN 敏感性较高，LSTM 和 GRU 的防御恢复效果较好，而在攻击效果上，FGSM 超过其它竞争对手，PG
PDFa year ago
探索基于循环神经网络的计数行为的长期泛化能力
本研究探究了 LSTM、ReLU 和 GRU 模型在长序列计数任务的泛化能力，并发现虽然先前的理论工作已经建立了具有适当配置的 RELU 激活和 LSTM 的计数能力，但是 LSTM 模型在实验中仍无法学习到正确的计数行为，并且从验证损失及
PDF2 years ago
翻转课堂：时间序列预测的有效教学
该研究提出了几种新的课程学习策略，包括随着训练规模增加和迭代规模概率课程，以提高序列到序列模型对混沌时间序列数据的预测准确性。通过在六个混沌时间序列数据集上的实验证明，这些新策略在 NRMSE 方面的性能表现要优于现有的教师强制和自由运行策
PDF2 years ago
MM情感分析的混合多模态特征提取、挖掘和融合
本文介绍了在 MuSe 挑战赛 2022（包括 MuSe-Humor，MuSe-Reaction 和 MuSe-Stress 子挑战赛）中使用 TEMMA 和 GRU 自注意机制框架提取各种多模态特征，并融合这些特征来提高准确性并预测情感，
PDF2 years ago
ICLR通过活动稀疏性和时间上的稀疏反向传播实现高效的循环神经网络结构
通过实现神经元活动的动态稀疏化，提出了一种基于门控循环单元（GRU）并适用于新颖的节能神经形态硬件的递归神经网络（RNN）的通信稀疏离散化解决方案。该模型在不影响任务性能的前提下实现了高效，与现有最先进的循环神经网络模型在语言建模等实际任务
PDF2 years ago
MM基于图神经网络和双重门控循环单元的药物靶点结合亲和力预测
本研究提出一种基于 GraphDTA 的新方法称为 GDGRU-DTA，用于预测药物和靶标之间的结合亲和力，该方法使用 GRU 和 BiGRU 来提取蛋白质序列的特征，并使用两种不同的图卷积方法来处理药物图，最终模型在两个基准数据集上表现出
PDF2 years ago
ICCV基于能量的弱监督学习用于行动分割
本文提出了一种新的有约束区分前向损失（CDFL）方法，应用于训练视频中基于门控循环单元（GRU）的隐马尔可夫模型（HMM）框架下的视频帧动作分类。该方法有效提高了行动分割和校准的准确性。
PDF5 years ago
TDAM：一种基于主题依赖的情感分析注意力模型
提出了一种基于主题依赖的注意力模型用于情感分类和主题提取，其中在多任务学习框架下，通过注意力机制推导出局部主题嵌入。模型基于修改后的门控循环单元 (GRU) 实现了情感分类和具有不同情感极性的主题提取，能够不使用方面级别注释的情况下提取质量
PDF5 years ago
时间序列分类中 LSTM 全卷积网络的洞见
本文通过 3627 个实验，研究了 LSTM-FCN 和 ALSTM-FCN 的模型和子模块，比较了两种 z-normalizing 技术的差异，以及提供了 LSTM-FCN 在 GRU、基础 RNN 和 Dense Block 下的性能表
PDF5 years ago
深度门控循环和卷积网络混合模型用于一元时间序列分类
本文旨在阐述使用 GRU 替换 LSTM 来构造 GRU-FCN 的时间序列分类方法，在多个时间序列数据集上达到了最佳的分类效果。同时，由于 GRU 使用的是较简单的结构，它具有较少的训练参数、更短的训练时间和更简单的硬件实现，相较于基于
PDF6 years ago
EMNLP基于门控循环神经网络和胶囊网络的隐式情感识别方法 ——Sentylic 在 IEST 2018 中的表现
本文介绍了我们在 Implicit WASSA 2018 的情感预测比赛中所用的系统，使用了 GRU 和 Capsule Network 的模型，并利用预训练的词嵌入来将上下文信息引入模型，最终取得了 0.692 的 F1 评分。
PDF6 years ago
AAAIMCRM：母简约循环记忆
本篇论文介绍了一种名为 MCRM 的卷积神经网络结构，它通过嵌套 LSTM 和 GRU，重点关注于在序列建模中提高记忆储存能力。研究表明，该结构在某些任务中的表现优于传统结构。
PDF6 years ago
Amobee 参加 SemEval-2018 任务 1：使用 CNN 注意力机制的 GRU 神经网络进行情感分类
该文介绍了 Amobee 参加 SemEval 2018 共享观点分析任务的情况，描述了他们在该任务中的系统，包括训练任务特定的单词嵌入、使用带门的递归单元（GRU）与卷积神经网络（CNN）注意机制训练模型以及训练基于堆叠的集成模型，最后提
PDF6 years ago