深層リカレントニューラルネットワークのためのLiteLSTMアーキテクチャ【JST・京大機械翻訳】

Elsayed Nelly; ElSayed Zag; Maida Anthony S.

プレプリント

J-GLOBAL ID：202202205840145501 整理番号：22P0280784

深層リカレントニューラルネットワークのためのLiteLSTMアーキテクチャ【JST・京大機械翻訳】

LiteLSTM Architecture for Deep Recurrent Neural Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年01月27日プレプリントサーバーでの情報更新日： 2022年10月24日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

長い短期メモリ(LSTM)は,時空間逐次データを学習するためのロバストな再帰ニューラルネットワークアーキテクチャである。しかし,それは,ソフトウェアとハードウェアの両面から学習と実装のための有意な計算力を必要とする。本論文では,全体アーキテクチャコストを低減し,アーキテクチャ性能を維持するために,重み共有概念を用いて,LSTMの計算コンポーネントの削減に基づく新しいLiteLSTMアーキテクチャを提案した。提案したLiteLSTMは,時間消費がIoT機器のセキュリティや医療データなどの重要なデータを学習するために重要である。さらに,それはCO_2フットプリントの低減を助ける。提案モデルを評価し,コンピュータビジョンとサイバーセキュリティドメインからの2つの異なるデータセットについて経験的に試験した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

パターン認識 , ニューロコンピュータ

, ,

前のページに戻る