【論文翻譯】End-To-End Memory Networks
Astract： 本文提出了一種基於大規模外部記憶的RNN，可以端到端訓練，需要更少的監督數據，比前一個版本更實用。它也可以被看作是RNN研究的擴展，在這種情況下，每個輸出符號執行多個計算步驟。 1 .Introduction 人工智能研究面臨的兩大挑戰是，建立能夠在回答問題或完成任務時執行多個計算步驟的模型，以及能夠描述序列數據中長期依賴關係的模型。 本文提出了一種新的RNN架構，在輸出的時
相關文章
- 1. 論文翻譯：GRAPH ATTENTION NETWORKS
- 2. Deformable Convolutional Networks論文翻譯——中文版
- 3. ResNet論文翻譯
- 4. 【論文翻譯】Fully Convolutional Networks for Semantic Segmentation
- 5. 論文閱讀：Memory Networks
- 6. Memory Networks論文串燒
- 7. Memory Augmented Graph Neural Networks for Sequential Recommendation翻譯
- 8. 【論文翻譯】Visualizing and Understanding Convolutional Networks
- 9. Deep Neural Networks for Object Detection論文翻譯
- 10. 論文翻譯：2017_Audio super resolution using neural networks
- 更多相關文章...
- • Eclipse 編譯項目 - Eclipse 教程
- • CAP理論是什麼？ - NoSQL教程
- • Scala 中文亂碼解決
- • 三篇文章瞭解 TiDB 技術內幕——說存儲
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 論文翻譯：GRAPH ATTENTION NETWORKS
- 2. Deformable Convolutional Networks論文翻譯——中文版
- 3. ResNet論文翻譯
- 4. 【論文翻譯】Fully Convolutional Networks for Semantic Segmentation
- 5. 論文閱讀：Memory Networks
- 6. Memory Networks論文串燒
- 7. Memory Augmented Graph Neural Networks for Sequential Recommendation翻譯
- 8. 【論文翻譯】Visualizing and Understanding Convolutional Networks
- 9. Deep Neural Networks for Object Detection論文翻譯
- 10. 論文翻譯：2017_Audio super resolution using neural networks