Detail publikace

Residual Memory Networks: Feed-forward approach to learn long-term temporal dependencies

BASKAR Murali K., KARAFIÁT Martin, BURGET Lukáš, VESELÝ Karel, GRÉZL František a ČERNOCKÝ Jan. Residual Memory Networks: Feed-forward approach to learn long-term temporal dependencies. In: Proceedings of ICASSP 2017. New Orleans: IEEE Signal Processing Society, 2017, s. 4810-4814. ISBN 978-1-5090-4117-6.
Název česky
Residuální paměťové sítě: nerekurentní přístup k učení dlouhých časových závislostí
Typ
článek ve sborníku konference
Jazyk
angličtina
Autoři
URL
Abstrakt

Tento článek pojednává o residuální paměťové síti: týká se nerekurentního přístupu k učení dlouhých časových závislostí.

Rok
2017
Strany
4810-4814
Sborník
Proceedings of ICASSP 2017
Konference
2017 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP), New Orleans, USA, US
ISBN
978-1-5090-4117-6
Vydavatel
IEEE Signal Processing Society
Místo
New Orleans, US
DOI
UT WoS
000414286204194
EID Scopus
BibTeX
@INPROCEEDINGS{FITPUB11467,
   author = "K. Murali Baskar and Martin Karafi\'{a}t and Luk\'{a}\v{s} Burget and Karel Vesel\'{y} and Franti\v{s}ek Gr\'{e}zl and Jan \v{C}ernock\'{y}",
   title = "Residual Memory Networks: Feed-forward approach to learn long-term temporal dependencies",
   pages = "4810--4814",
   booktitle = "Proceedings of ICASSP 2017",
   year = 2017,
   location = "New Orleans, US",
   publisher = "IEEE Signal Processing Society",
   ISBN = "978-1-5090-4117-6",
   doi = "10.1109/ICASSP.2017.7953070",
   language = "english",
   url = "https://www.fit.vut.cz/research/publication/11467"
}
Nahoru