residual connections | BriefGPT

关键词residual connections

搜索结果 - 27

ReStoCNet: 残差随机二值化脉冲神经网络，用于记忆高效的神经形态计算
本研究提出了 ReStoCNet，一种由二进制卷积核组成的残差随机多层卷积 SNN，以减少 SNN 的突触内存占用并提高其在复杂模式识别任务中的计算效率，同时引入残差连接来提高深度 SNN 的层次特征学习能力。
PDF5 years ago
AAAI在线购物助手的深度级联多任务学习
本研究提出了一种基于多任务学习的模型，结合级联和残差连接，并使用新的中国电子商务购物助手数据集来解决对话系统中的语音理解问题，可以提高准确率并已在电子商务平台上实现。
PDF6 years ago
利用可穿戴传感器进行人类活动识别的深度残差双向 LSTM
本文介绍了一种使用双向长短期记忆残差网络架构以提高人类活动识别效率的方法，测试表明与以往相比，识别率提高了 4.78% 和 3.68%。
PDF7 years ago
使用堆叠残差 LSTM 和可训练的偏置解码进行命名实体识别
本研究提出了两种创新方法 —— 引入残差连接和偏差解码机制，以改进序列标注任务的循环神经网络模型，在 CoNLL 2003 Shared Task NER 数据集上，无论是英文还是西班牙文，本研究的方法都取得了优于现有最佳结果的成果。
PDF7 years ago
用于自动语音识别的残差卷积 CTC 网络
本文提出了一种新颖的深度卷积神经网络架构 RCNN-CTC，其通过残差连接和时间分类损失函数，能够同时利用语音信号的时间和光谱结构，并提出了一种 CTC-based 系统组合方法，可以显著减少 WSJ 和腾讯 Chat 数据集上的语音识别误
PDF7 years ago
RefineNet: 高分辨率语义分割的多路径细化网络
本文介绍了一种基于残差连接和多通道上采样的多路径细化网络 RefineNet，能够通过利用深度学习卷积神经网络中的所有信息来对图像进行高精度的预测和语义分割，该方法通过在深度网络中进行残余连接来有效地进行端到端的训练，并应用在七个公共数据集
PDF8 years ago
Inception-v4，Inception-ResNet 和残差连接对学习的影响
本研究发现在 Inception 网络中加入残差连接有助于加速训练并提高图像识别性能，同时还提出了几种优化的网络结构，实验结果在 ILSVRC 2012 分类任务中取得了显著的性能提升。
PDF8 years ago