grus | BriefGPT - AI 论文速递

关键词grus

搜索结果 - 8

比特币价格预测的比较研究
本研究探讨了使用神经网络模型，即 LSTMs 和 GRUs，预测比特币价格的潜力。利用五折交叉验证来提高泛化能力，采用 L2 正则化来减少过拟合和噪声。研究结果表明，相较于 LSTMs 模型，GRUs 模型在预测比特币价格方面具有更高的准确
PDF2 months ago
通过雅可比谱评估一次性剪枝递归神经网络
这篇论文通过引入一种基于循环雅可比谱的新的循环网络修剪目标，提出了一种高效数据、易于实现的处理方案，能够解决循环网络修剪中的定量和定性问题，并在连续 MNIST、十亿词、Wikitext 等任务中取得了长足进展。
PDF5 years ago
CVPR视频字幕的时空动态与语义属性增强视觉编码
本篇文章提出了一种视觉特征编码技术，使用门控循环单元（GRUs）生成语义丰富的视频字幕，并在 MSVD 和 MSR-VTT 数据集上创造了新的 METEOR 和 ROUGE_L 度量标准的最新技术水平。
PDF5 years ago
LSTM 和 GRU 的动态同构和平均场理论
本研究使用平均场理论探究了 LSTMs 和 GRUs 中的信号传播，通过优化初始化超参数，开发出了一种新的初始化方案，解决了训练不稳定性问题，从而在多个序列任务上实现了成功的训练，并且在泛化能力上也有积极的影响。
PDF5 years ago
循环神经网络是否能够扭曲时间？
本文研究证明可学习门控在循环神经网络中提供输入数据的时间转换几乎不变性的功能，从而为长期依赖性和参数初始化提供了新的可能性。
PDF6 years ago
EMNLP情感分析中解释循环神经网络预测
本文提出了将 Layer-wise Relevance Propagation 扩展到递归神经网络的方法，并应用于五分类情感预测任务中的双向 LSTM 模型，其结果 qualitatively and quantitatively 均优于之
PDF7 years ago
统计复发单元
通过 Bayesian optimization 方案优化模型超参数，我们展示了统计循环单元 (SRU) 相比于门控循环神经网络 (LSTM) 和门控 GRU 的高效性。
PDF7 years ago
ICLR深入探究卷积网络用于学习视频表示
使用门控循环单元递归网络学习视频的感知特征，从深度卷积网络的各个层级提取感知特征，包括高级和低级特征，结合前者的特殊信息和后者的空间信息，使用改进的 GRU 模型控制模型参数的数量，并在人类动作识别和视频字幕生成任务中证明其有效性。
PDF9 years ago