抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ユニタリー進化再帰ニューラルネットワーク(uRNNs)は,(a)ユニタリー特性,(b)複素数値の性質,(c)それらの効率的線形演算子[1]の3つの魅力的性質を持っている。これまでの文献は,モデルのユニタリー特性であるかどうかを扱っていない。さらに,uRNNsは大規模タスクで評価されていない。これらの欠点を研究するために,著者らは,uRNNsと類似しているが,ユニタリー特性を選択的に低下させる複雑な進化再帰ニューラルネットワーク(ceRNNs)を提案した。簡単な多変量線形回帰タスクにおいて,制約の低下が学習軌道を改善することを示した。コピーメモリタスクにおいて,ceRNNsとuRNNsは同様に機能し,LSTMs上でのそれらの優れた性能は複素数値の性質とそれらの線形演算子に起因することを実証した。大規模実世界音声認識において,著者らは,uRNNのプレペンディングがベースラインLSTM音響モデルの性能を劣化させ,一方,CERNNの前処理は,0.8%絶対WERによりベースライン上の性能を改善することを見出した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】