How to Construct Deep Recurrent Neural Networks

循环神经网络 计算机科学 深度学习 人工智能 构造(python库) 前馈神经网络 前馈 功能(生物学) 人工神经网络 工程类 进化生物学 生物 控制工程 程序设计语言
作者
Razvan Pascanu,Çağlar Gülçehre,Kyunghyun Cho,Yoshua Bengio
出处
期刊:International Conference on Learning Representations 被引量:156
摘要

Abstract: In this paper, we explore different ways to extend a recurrent neural network (RNN) to a \textit{deep} RNN. We start by arguing that the concept of depth in an RNN is not as clear as it is in feedforward neural networks. By carefully analyzing and understanding the architecture of an RNN, however, we find three points of an RNN which may be made deeper; (1) input-to-hidden function, (2) hidden-to-hidden transition and (3) hidden-to-output function. Based on this observation, we propose two novel architectures of a deep RNN which are orthogonal to an earlier attempt of stacking multiple recurrent layers to build a deep RNN (Schmidhuber, 1992; El Hihi and Bengio, 1996). We provide an alternative interpretation of these deep RNNs using a novel framework based on neural operators. The proposed deep RNNs are empirically evaluated on the tasks of polyphonic music prediction and language modeling. The experimental result supports our claim that the proposed deep RNNs benefit from the depth and outperform the conventional, shallow RNNs.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
一路向南发布了新的文献求助10
刚刚
1秒前
1233发布了新的文献求助10
3秒前
不要引力发布了新的文献求助10
4秒前
充电宝应助一三二五七采纳,获得10
4秒前
4秒前
爱与感谢完成签到 ,获得积分10
5秒前
chyyz完成签到 ,获得积分20
6秒前
小鱼小鱼快快游完成签到 ,获得积分10
6秒前
youzijun发布了新的文献求助30
9秒前
搜集达人应助lei采纳,获得10
9秒前
10秒前
11秒前
星星完成签到,获得积分10
13秒前
李健的小迷弟应助Harb采纳,获得10
14秒前
ajie发布了新的文献求助50
14秒前
14秒前
高山流水完成签到,获得积分10
14秒前
14秒前
可爱的函函应助123456采纳,获得10
15秒前
15秒前
科目三应助喜宝采纳,获得10
17秒前
酷波er应助姜半兰采纳,获得10
17秒前
阳光的霸完成签到,获得积分10
18秒前
Danielle完成签到,获得积分10
18秒前
19秒前
上官若男应助健壮绿蝶采纳,获得10
19秒前
yang应助柯仇天采纳,获得10
19秒前
xiaofeiyan发布了新的文献求助20
20秒前
儒雅的猪八蛋完成签到,获得积分10
20秒前
21秒前
XF发布了新的文献求助10
21秒前
22秒前
月昔完成签到,获得积分10
22秒前
夕赣发布了新的文献求助10
23秒前
23秒前
科研通AI2S应助虚心的访烟采纳,获得10
24秒前
Lucas应助psychosocial采纳,获得10
25秒前
姜半兰完成签到,获得积分10
26秒前
英姑应助QY11采纳,获得10
26秒前
高分求助中
Sustainability in ’Tides Chemistry 2000
Sustainability in ’Tides Chemistry 1500
The ACS Guide to Scholarly Communication 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Handbook of the Mammals of the World – Volume 3: Primates 805
Ethnicities: Media, Health, and Coping 800
Photosynthesis III 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3071582
求助须知:如何正确求助?哪些是违规求助? 2725545
关于积分的说明 7490070
捐赠科研通 2372784
什么是DOI,文献DOI怎么找? 1258244
科研通“疑难数据库(出版商)”最低求助积分说明 610260
版权声明 596916