순환 신경망(RNN)은 시계열 및 시간적 데이터와 관련된 정보 처리 작업에서 점점 더 인기를 얻고 있습니다. RNN의 기본 특성은 처리한 정보에 대한 기억을 다루는 방식과 종종 연관된 신뢰할 수 있는 입력/출력 반응을 생성하는 능력입니다. RNN에서 기억의 행동을 개념화하기 위해 여러 가지 개념이 제안되었으며, 여기에는 정상 상태, 메아리 상태, 상태 망각, 입력 망각 및 희미해지는 기억이 포함됩니다. 이러한 개념이 자주 상호 교환되어 사용되지만, 그 정확한 관계는 불분명합니다. 이 작업은 이러한 개념을 공통의 언어로 통합하고, 그들 간의 새로운 의미 및 동등성을 도출하며, 일부 기존 결과에 대한 대체 증명을 제공하는 것을 목표로 합니다. 이러한 개념 간의 관계를 명확히 함으로써, 이 연구는 RNN과 그들의 시간적 정보 처리 능력에 대한 깊은 이해에 기여하고 있습니다.
Building similarity graph...
Analyzing shared references across papers
Loading...
Ortega et al. (화요일)은 이 질문을 연구했습니다.
www.synapsesocial.com/papers/69d894ec6c1944d70ce05e98 — DOI: https://doi.org/10.1162/neco.a.1510
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context:
Juan‐Pablo Ortega
Florian Rossmannek
Neural Computation
Nanyang Technological University
Department of Mathematical Sciences
Building similarity graph...
Analyzing shared references across papers
Loading...