关键词long short-term memory network
搜索结果 - 25
- 通过循环神经网络上下文学习和直接损失函数提高 CT 和 MRI 图像的深度胰腺分割
这篇论文提出了一种结合了卷积神经网络和循环神经网络的方法，利用 LSTM 进行序列处理来解决胰腺 CT 和 MRI 扫描的精确分割问题，且提出了一种名为 Jaccard Loss 的新的分割损失函数，优化 Jaccard 指数直接达到了比 - ICML对抗特征匹配的文本生成
该研究提出了一种通过敌对训练生成逼真文本的框架，采用了 LSTM 作为生成器，卷积网络作为判别器，并使用核距离度量匹配真实和合成句子的高维潜在特征分布，从而缓解了模式崩溃问题，并在定量评估方面表现出优越性，证明了该模型可以生成逼真的句子。
- 混合神经网络方法用于时间睡眠阶段分类
本文提出了一种解决单个主动电极应用于睡眠阶段分类的局限性的实际方法，其中利用整流器神经网络和长短期记忆网络来优化分类性能，并找到了单通道 EEG 在额头上的舒适配置，并证明它可以与其他电极一起使用，从而实现了睡眠自动分类的更好性能。
- 使用双向 LSTM 进行词义消歧
本文提出了一个使用双向长期短期记忆网络的干净而有效的词义消歧模型，该模型能够共享统计强度并且随着词汇量的增长实现很好的可扩展性。我们对其进行了两个标准数据集的评估，并取得了与最佳现有系统相同的效果，同时没有使用任何外部资源或手工编写规则。
- 无记忆丢失的循环失活
本文提出一种新的循环神经网络正则化方法，通过在 extit {循环} 链接中直接删除神经元来实现，并且不会丢失长期记忆，实验证明，该方法即使与传统的前馈 dropout 相结合，也能在自然语言处理基准测试中取得一致的改进。