HyperAIHyperAI

Command Palette

Search for a command to run...

门控循环神经网络在序列建模中的实证评估

Junyoung Chung; Caglar Gulcehre; KyungHyun Cho; Yoshua Bengio

摘要

本文比较了循环神经网络(RNNs)中不同类型的循环单元。特别是,我们重点关注实现门控机制的复杂单元,如长短期记忆(LSTM)单元和最近提出的门控循环单元(GRU)。我们在多声部音乐建模和语音信号建模任务上评估了这些循环单元。实验结果表明,这些先进的循环单元确实优于传统的循环单元,例如双曲正切(tanh)单元。此外,我们发现GRU的表现与LSTM相当。


用 AI 构建 AI

从创意到上线——通过免费 AI 协同编码、开箱即用的环境和最优惠的 GPU 价格,加速您的 AI 开发。

AI 协同编码
开箱即用的 GPU
最优定价

HyperAI Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
门控循环神经网络在序列建模中的实证评估 | 论文 | HyperAI超神经