Temat: Gated Recurrent Unit

Skocz do pozycji: 1.

Tytuł:: Detection and Localization of Audio Event for Home Surveillance Using CRNN
Autorzy:: Suruthhi, V. S.
Smita, V.
Rolant Gini, J.
Ramachandran, K. I.
Tematy:: convolutional recurrent neural network
CRNN
gated recurrent unit
GRU
long short-term memory
LSTM
sound event localization and detection
SELD; Pokaż więcej
Data publikacji:: 2021
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Dostawca treści:: Biblioteka Nauki

Artykuł

Szczegóły

Skocz do pozycji: 2.

Tytuł:: Forecasting future values of time series using the lstm network on the example of currencies and WIG20 companies
Prognozowanie przyszłych wartości szeregów czasowych z wykorzystaniem sieci lstm na przykładzie kursów walut i spółek WIG20
Autorzy:: Mróz, Bartosz
Nowicki, Filip
Tematy:: recurrent neural network
RNN
gated recurrent unit
GRU
long short-term memory
LSTM
rekurencyjna sieć neuronowa
blok rekurencyjny
pamięć długookresowa; Pokaż więcej
Data publikacji:: 2020
Wydawca:: Politechnika Bydgoska im. Jana i Jędrzeja Śniadeckich. Wydawnictwo PB
Dostawca treści:: Biblioteka Nauki

Artykuł

Szczegóły

Skocz do pozycji: 3.

Tytuł:: An optimized parallel implementation of non-iteratively trained recurrent neural networks
Autorzy:: El Zini, Julia
Rizk, Yara
Awad, Mariette
Tematy:: GPU implementation
parallelization
Recurrent Neural Network
RNN
Long-short Term Memory
LSTM
Gated Recurrent Unit
GRU
Extreme Learning Machines
ELM
non-iterative training; Pokaż więcej
Data publikacji:: 2021
Wydawca:: Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Dostawca treści:: Biblioteka Nauki

Artykuł

Szczegóły

Skocz do pozycji: 4.

Tytuł:: Comprehensive machine learning and deep learning approaches for Parkinsons disease classification and severity assessment
Kompleksowe metody uczenia maszynowego i uczenia głębokiego do klasyfikacji choroby Parkinsona i oceny jej nasilenia
Autorzy:: Majdoubi, Oumaima
Benba, Achraf
Hammouch, Ahmed
Tematy:: Parkinson's disease
severity assessment
machine learning
XGBoost
Gated Recurrent Unit (GRU)
comparative analysis
choroba Parkinsona
ocena ciężkości
uczenie maszynowe
analiza porównawcza; Pokaż więcej
Data publikacji:: 2023
Wydawca:: Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Dostawca treści:: Biblioteka Nauki

Artykuł

Szczegóły

Skocz do pozycji: 5.

Tytuł:: Towards a new deep learning algorithm based on GRU and CNN: NGRU
Autorzy:: Atassi, Abdelhamid
el Azami, Ikram
Tematy:: Convolutional Neural Network
CNN
Gated Recurrent Unit
GRU
SemEval
Twitter
word2vec
Keras
TensorFlow
Adadelta
Adam
soft-max
deep learning; Pokaż więcej
Data publikacji:: 2020
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Dostawca treści:: Biblioteka Nauki

Artykuł

Szczegóły

Skocz do pozycji: 6.

Tytuł:: Urban traffic crash analysis using deep learning techniques
Analiza kolizji w ruchu miejskim z wykorzystaniem technik głębokiego uczenia
Autorzy:: Sobhana, Mummaneni
Vemulapalli, Nihitha
Mendu, Gnana Siva Sai Venkatesh
Ginjupalli, Naga Deepika
Dodda, Pragathi
Subramanyam, Rayanoothala Bala Venkata
Tematy:: classification
gated recurrent unit
long-short term memory
multilayer perceptron
recurrent neural network
road accidents
klasyfikacja
pamięć długotrwała
pamięć krótkotrwała
perceptron wielowarstwowy
rekurencyjna sieć neuronowa
wypadki drogowe; Pokaż więcej
Data publikacji:: 2023
Wydawca:: Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Dostawca treści:: Biblioteka Nauki

Artykuł

Szczegóły

Skocz do pozycji: 7.

Tytuł:: An intelligent approach to short-term wind power prediction using deep neural networks
Autorzy:: Niksa-Rynkiewicz, Tacjana
Stomma, Piotr
Witkowska, Anna
Rutkowska, Danuta
Słowik, Adam
Cpałka, Krzysztof
Jaworek-Korjakowska, Joanna
Kolendo, Piotr
Tematy:: renewable energy
wind energy
wind power
wind turbine
short-term wind power prediction
deep learning
convolutional neural networks
gated recurrent unit
hierarchical multilayer perceptron
deep neural networks; Pokaż więcej
Data publikacji:: 2023
Wydawca:: Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Dostawca treści:: Biblioteka Nauki

Artykuł

Szczegóły

Informacja