Loading...
机构名称:
¥ 1.0

本文提出了一种新颖的学习方法,用于复发神经网络(RNN)专家模型的混合,该模型可以通过在专家之间动态切换来获取生成所需序列的能力。我们的方法基于使用梯度下降算法的最大似然估计。此方法类似于常规方法中使用的方法。但是,我们通过添加一种机制来改变每个专家的差异来修改似然函数。所提出的方法被证明是成功地学习了一组9个Lissajous曲线之间的Markov链切换,而常规方法会失败。根据所提出的方法的概括能力分析的学习绩效也被证明优于常规方法。随着添加门控网络,该提出的方法成功地应用于小型类人机器人的感觉 - 运动流,作为时间序列预测和生成的现实问题。©2008 Elsevier Ltd.保留所有权利。

神经网络是学习时间段的模型...

神经网络是学习时间段的模型...PDF文件第1页

神经网络是学习时间段的模型...PDF文件第2页

神经网络是学习时间段的模型...PDF文件第3页

神经网络是学习时间段的模型...PDF文件第4页

神经网络是学习时间段的模型...PDF文件第5页

相关文件推荐

2020 年
¥1.0
2025 年
¥1.0
2022 年
¥1.0