Key points are not available for this paper at this time.
इस पेपर में हम रेकरेन्ट न्यूरल नेटवर्क्स (RNNs) में विभिन्न प्रकार की रेकरेन्ट इकाइयों की तुलना करते हैं। विशेष रूप से, हम उन अधिक परिष्कृत इकाइयों पर ध्यान केंद्रित करते हैं जो गेटिंग तंत्र को लागू करती हैं, जैसे कि लॉन्ग शॉर्ट-टर्म मेमोरी (LSTM) यूनिट और हाल ही में प्रस्तावित गेटेड रेकरेन्ट यूनिट (GRU)। हम इन रेकरेन्ट इकाइयों का आकलन पॉलिफोनिक म्यूजिक मॉडलिंग और स्पीच सिग्नल मॉडलिंग के कार्यों पर करते हैं। हमारे प्रयोगों से पता चला कि ये उन्नत रेकरेन्ट इकाइयां पारंपरिक रेकरेन्ट इकाइयों जैसे कि टैनएच यूनिट्स की तुलना में बेहतर हैं। इसके अलावा, हमने पाया कि GRU, LSTM के बराबर है।
Building similarity graph...
Analyzing shared references across papers
Loading...
Jun‐Young Chung
Çaǧlar Gülçehre
Kyunghyun Cho
Polytechnique Montréal
Alcatel Lucent (Germany)
Building similarity graph...
Analyzing shared references across papers
Loading...
चुंग एट अल. (थर्सडे,) ने इस प्रश्न का अध्ययन किया।
www.synapsesocial.com/papers/69d83b158c03fbaff8bee510 — DOI: https://doi.org/10.48550/arxiv.1412.3555
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: