下面是相关论文介绍: 基于Bi-LSTM 和迁移学习的多元汇率预测研究 Bi-LSTM 模型 双向长短期记忆网络 (Bi-directional long short-termmemory, Bi-LSTM) 是 LSTM 模型的扩展, 其包括前向LSTM 和后向 LSTM, 前向和后向的 LSTM 应用可以改善模型学习的长期依赖性, 从而提高模型的准确性[。 其结构如图 1 所示。
提出了一种基于代码属性图的表征方式,利用从函 数的代码属性图中提取的抽象语法树序列和控制流图序列对函数进行表征,以减少代码表征过程中的语法和语义信息的损失,提高表征能力。 在特征提取阶段,基于Bi-GRU和Bi-LSTM(bi-directional long short-term memory)构建多个提取模型。通过实验发现,与基于Bi-LSTM构建的特征...
《论文阅读》Bi-directional Relationship Inferring Network for Referring Image Segmentation,程序员大本营,技术文章内容聚合第一站。
摘要:为了提高母线负荷预测精度,针对长短期记忆(long short term memory,LSTM)神经网络在母线负荷预测时存在对负荷规律提取不足导致精度下降、超参数设置依赖经验等问题,首先构建LSTM神经网络的变体网络——双向长短期记忆(Bi-directional ...
针对此问题, 本文提出一种基于双向长短时记 忆神经网络 (bi-directional long short-term memory, Bi-LSTM) 的 CCFD 数字域自干扰抑制方法. 首先 根据多径信道的特征, 采用记忆多项式对自干扰信道进行建模; 然后采用 Wild Horse 优化算法 (Wild Horse optimizer, WHO), 通过迭代寻找到最优时延单位以确定训练数据...
【论文解读 AAAI 2020 | Bi-GCN】Rumor Detection on Social Media with Bi-Directional GCN,程序员大本营,技术文章内容聚合第一站。
针对此问题, 本文提出一种基于双向长短时记 忆神经网络 (bi-directional long short-term memory, Bi-LSTM) 的 CCFD 数字域自干扰抑制方法. 首先 根据多径信道的特征, 采用记忆多项式对自干扰信道进行建模; 然后采用 Wild Horse 优化算法 (Wild Horse optimizer, WHO), 通过迭代寻找到最优时延单位以确定训练数据...
LSTM:全称Long Short-Term Memory,是RNN(Recurrent Neural Network)的一种。LSTM由于其设计的特点,非常适合用于对时序数据的建模,如文本数据。BiLSTM是Bi-directional Long Short-Term Memory的缩写,是由前向LSTM与后向LSTM组合而成。两者在自然语言处理任务中都常被用来建模上下文信息。如果我们想要句子的表示,可以在词...
命名实体识别是自然语言处理中一项重要的基础任务,本文提出一种简单、新颖的深层循环神经网络的命名实体识别(Named Entity Recognition,NER)方法.使用一种稠密连接的方式(Dense connection,DC)在多层的双向长短期记忆神经网络(bi-directional long short-term memory,Bi-LSTM)之间传递信息,...
分享到: 双向长短期记忆 分类: 科技|查看相关文献(pubmed)|免费全文文献 详细解释: 以下为句子列表: 分享到: