Generating Sequences With Recurrent Neural Networks: differenze tra le versioni

Da Wiki AI.
VisualeWikitesto
Nessun oggetto della modifica
Nessun oggetto della modifica
 
Riga 1: Riga 1:
Titolo: [[Titolo::Generating Sequences With Recurrent Neural Networks]]
{{template pubblicazione
 
|data=2014
Anno di pubblicazione: [[AnnoDiPubblicazione::2014]]
|autori=Alex Graves
 
|URL=https://www.semanticscholar.org/paper/6471fd1cbc081fb3b7b5b14d6ab9eaaba02b5c17
Autore: [[Autore::Alex Graves]]
|topic=Generazione di testo con RNN
 
|citazioni=3857
URL: [[URL::https://arxiv.org/pdf/1308.0850.pdf]]
}}
 
Questo articolo dimostra come le reti neurali ricorrenti Long Short-Term Memory possono essere utilizzate per generare sequenze complesse con struttura a lungo raggio, semplicemente prevedendo un punto dati alla volta. L'approccio è dimostrato per il testo (dove i dati sono discreti) e la scrittura a mano online (dove i dati sono a valori reali). Viene quindi esteso alla sintesi della scrittura a mano consentendo alla rete di condizionare le sue previsioni su una sequenza di testo. Il sistema risultante è in grado di generare una scrittura corsiva altamente realistica in un'ampia varietà di stili.
Topic: [[Topic::Generazione di testo con RNN]]
 
[[Category:pubblicazione]]
 
__SHOWFACTBOX__

Versione attuale delle 10:49, 17 ago 2024

Generating Sequences With Recurrent Neural Networks
Data 2014
Autori Alex Graves
URL https://www.semanticscholar.org/paper/6471fd1cbc081fb3b7b5b14d6ab9eaaba02b5c17
Topic Generazione di testo con RNN
Citazioni 3857

Questo articolo dimostra come le reti neurali ricorrenti Long Short-Term Memory possono essere utilizzate per generare sequenze complesse con struttura a lungo raggio, semplicemente prevedendo un punto dati alla volta. L'approccio è dimostrato per il testo (dove i dati sono discreti) e la scrittura a mano online (dove i dati sono a valori reali). Viene quindi esteso alla sintesi della scrittura a mano consentendo alla rete di condizionare le sue previsioni su una sequenza di testo. Il sistema risultante è in grado di generare una scrittura corsiva altamente realistica in un'ampia varietà di stili.

Estratto da "https://wiki.mindmaker.it/index.php?title=Generating_Sequences_With_Recurrent_Neural_Networks&oldid=2516"