中文
Sign in
AI tools
聊天
热门问题
时间线
Loading AI tools
全部
文章
字典
引用
地图
Sepp Hochreiter
来自维基百科,自由的百科全书
Found in articles
约翰·开普勒林茨大学
(页面存档备份,存于互联网档案馆))、 Software Hagenberg (页面存档备份,存于互联网档案馆) 科學園區的創辦者。
Sepp
Hochreiter
(英语:
Sepp
Hochreiter
): LSTM (long short-term memory)的提出者,奧迪深度學習中心、生物資訊系創辦者。 Ordentliche
長短期記憶
通常情况,一个LSTM单元由细胞单元(cell)、输入门(input gate)、输出门(output gate)、遗忘门(forget gate)组成。 1997年,
Sepp
Hochreiter
和于尔根·施密德胡伯提出LSTM。版本包含了cells, input以及output gates。 2014年,Kyunghyun Cho
激活函数
arXiv:1505.00853 [cs.LG]. Clevert, Djork-Arné; Unterthiner, Thomas;
Hochreiter
,
Sepp
. Fast and Accurate Deep Network Learning by Exponential Linear Units
深度学习
训练时间达到了3天,因而无法投入实际使用。许多因素导致了这一缓慢的训练过程,其中一种是由于尔根·施密德胡伯的学生赛普·霍克赖特(英语:
Sepp
Hochreiter
)于1991年提出的梯度消失问题。 最早的进行一般自然杂乱图像中自然物体识别的深度学习网络是翁巨扬(Juyang
残差神经网络
这使得非线性单元能够调整线性函数形式”(详见第262页)。这种说法其实已经暗示了非线性MLP的表现就像是在一个线性函数上加上了一个残差函数。 塞普·霍赫赖特(英语:
Sepp
Hochreiter
)在1991年分析了梯度消失问题,并认为这是深度学习效果不佳的原因。 为解决这一问题,长短期记忆(LSTM)网络在每个LSTM单元中引入了权重为1