Επιτάχυνση αναδρομικών νευρωνικών δικτύων LSTM με τη βοήθεια υλικού
Τα επαναλαμβανόμενα νευρωνικά δίκτυα (RNN) έχουν επιτύχει μια υψηλή απόδοση επίλυσης διαφόρων προβλημάτων μάθησης ακολουθιών λόγω της ισχυρής ικανότητάς τους στη μοντελοποίηση των τελευταίων. O Long Short-Term Memory είναι ένας ισχυρός αλγόριθμος νευρωνικού δικτύου που έχει αποδειχθεί ότι παρέχει υπ...
Κύριος συγγραφέας: | Δημητρίου, Αναστάσιος |
---|---|
Άλλοι συγγραφείς: | Dimitriou, Anastasios |
Γλώσσα: | Greek |
Έκδοση: |
2020
|
Θέματα: | |
Διαθέσιμο Online: | http://hdl.handle.net/10889/14012 |
Παρόμοια τεκμήρια
-
Proceedings of the 2001 ACM/SIGDA ninth international symposium on Field programmable gate arrays
Έκδοση: (2001) -
Proceedings of the 2018 on Great Lakes Symposium on VLSI
Έκδοση: (2018) -
Σχεδιασμός και ανάπτυξη ευφυούς εφαρμογής για την αναγνώριση χειρόγραφων λέξεων
ανά: Λάγιος, Βασίλειος
Έκδοση: (2021) -
Proceedings of the 12th ACM Great Lakes symposium on VLSI
Έκδοση: (2002) -
Proceedings of the 1999 international symposium on Physical design
Έκδοση: (1999)