• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Neural Networks and Learning Systems, IEEE Transactions on >Nonuniformly Sampled Data Processing Using LSTM Networks
【24h】

Nonuniformly Sampled Data Processing Using LSTM Networks

机译：使用LSTM网络的非均匀采样数据处理

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We investigate classification and regression for nonuniformly sampled variable length sequential data and introduce a novel long short-term memory (LSTM) architecture. In particular, we extend the classical LSTM network with additional time gates, which incorporate the time information as a nonlinear scaling factor on the conventional gates. We also provide forward-pass and backward-pass update equations for the proposed LSTM architecture. We show that our approach is superior to the classical LSTM architecture when there is correlation between time samples. In our experiments, we achieve significant performance gains with respect to the classical LSTM and phased-LSTM architectures. In this sense, the proposed LSTM architecture is highly appealing for the applications involving nonuniformly sampled sequential data.
机译：我们调查非均匀采样的可变长度顺序数据的分类和回归，并介绍一种新颖的长短期记忆（LSTM）体系结构。特别是，我们通过附加的时间门扩展了经典的LSTM网络，该时间门将时间信息作为常规门上的非线性比例因子进行了合并。我们还为提出的LSTM体系结构提供了前向和后向更新方程。我们证明，当时间样本之间存在相关性时，我们的方法优于经典的LSTM体系结构。在我们的实验中，相对于经典LSTM和分阶段LSTM体系结构，我们获得了显着的性能提升。从这个意义上说，所提出的LSTM体系结构对于涉及非均匀采样的顺序数据的应用非常有吸引力。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号