4 个月前

门控循环神经网络在序列建模中的实证评估

门控循环神经网络在序列建模中的实证评估

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。

代码仓库

proroklab/popgym
pytorch
GitHub 中提及
moon23k/LSTM_Anchors
pytorch
GitHub 中提及
rvandewater/yaib
pytorch
GitHub 中提及
ratschlab/HIRID-ICU-Benchmark
pytorch
GitHub 中提及
flexible-fl/flex-nlp
GitHub 中提及
hkust-knowcomp/sessioncqa
pytorch
GitHub 中提及
lugq1990/neural-nets
tf
GitHub 中提及
moon23k/RNN_Seq2Seq
pytorch
GitHub 中提及

基准测试

基准方法指标
music-modeling-on-jsb-choralesGRU
NLL: 8.54

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper 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