RNN资源博客 Recurrent Neural Network的经典论文、代码、课件、博士论文和应用汇总

最新推荐文章于 2024-10-09 16:56:36 发布
最新推荐文章于 2024-10-09 16:56:36 发布
阅读量5.1k 收藏 11
点赞数
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/alwaystry/article/details/53738589
版权
这篇博客整理了关于Recurrent Neural Networks (RNN)的丰富资源，包括代码实现、理论讲解、讲座、书籍、网络变体、应用案例等，覆盖语言模型、语音识别、机器翻译等多个领域。
摘要由CSDN通过智能技术生成
转载自： RNN资源博客
字数1701 阅读5199 评论2

Awesome Recurrent Neural Networks

A curated list of resources dedicated to recurrent neural networks (closely related todeep learning).

Maintainers -Jiwon Kim,Myungsub Choi

We have pages for other topics:awesome-deep-vision,awesome-random-forest

Table of Contents

Codes

Theory

Lectures

Books / Thesis

Network Variants

Surveys

Applications

Language Modeling

Speech Recognition

Machine Translation

Conversation Modeling

Image Captioning

Video Captioning

Question Answering

Image Generation

Turing Machines

Robotics

Datasets

Codes

Theano- Python

Simple IPythontutorial on Theano

Deep Learning Tutorials

RNN for semantic parsing of speech

LSTM network for sentiment analysis

Keras: Theano-based Deep Learning Library

theano-rnnby Graham Taylor

Passage: Library for text analysis with RNNs

Caffe- C++ with MATLAB/Python wrappers

LRCNby Jeff Donahue

Torch- Lua

char-rnnby Andrej Karpathy : multi-layer RNN/LSTM/GRU for training/sampling from character-level language models

LSTMby Wojciech Zaremba : Long Short Term Memory Units to train a language model on word level Penn Tree Bank dataset

最低0.47元/天 解锁文章
本文选取两个经典的计算机视觉算法——卷积神经网络（Convolutional Neural Network，CNN）和循环神经网络（Recurrent Neural Network，RNN）
AI天才研究院
08-15 1338
人工智能和计算机视觉已经成为今天信息时代的新舞台。越来越多的研究人员、工程师和科技公司都在致力于利用机器学习、深度学习技术，解决深度学习领域中的图像识别、目标检测、语音识别等关键任务。PyTorch是目前最流行的Python机器学习框架，它允许开发者高效地构建、训练和部署各种深度学习模型。本文将基于PyTorch实现一些高级计算机视觉算法，帮助读者了解机器学习和深度学习技术。理解深度学习的基本概念；熟练使用PyTorch进行深度学习编程；了解深度学习模型的设计方法、调优过程及其收敛性；
RNN知名论文
09-09
The Unreasonable Effectiveness of Recurrent Neural Networks.pdf
论文阅读（十二）：Attention is All You Need
最新发布
悟兰因的博客
10-09 1187
文章目录一、循环神经网络1.1RNN模型1.1.1RNN模型简介1.1.2RNN基本结构1.1.3权重共享机制1.1.4RNN局限性：长期依赖问题与梯度消失1.2LSTM模型1.2.1LSTM核心思想1.2.2遗忘门1.2.3输入门1.2.4更新细胞状态1.2.5输出门1.2.6参数更新二、Seq2Seq机制2.1RNN结构的局限性2.2编码器-解码器结构2.3总结三、Self-Attention注意力机制案例1注意力机制案例23.1CNN与RNN的局限3.2Self-Attention3.2.1Self-
论文阅读：A Critical Review of Recurrent Neural Networks for Sequence Learning
一亩半分地
04-23 1万+
回复式神经网络的发展以及应用，首先介绍了最简单的前馈神经网络，然后介绍回复式神经网络的发展历史，接着给出了回复式神经网络的训练方法，最后给出现代回复式神经网络的架构和种类以及应用。
【论文阅读】Recurrent Neural Network Regularization
weixin_53563701的博客
01-18 7344
关于RNN及其变体中dropout的应用
【推荐算法论文阅读】Recurrent Neural Networks with Top-k Gains for Session-based Recommendations
qq_36643449的博客
03-21 1703
本文是一篇很好的讲述进行梯度下降和参数更新时，困难样本、简单样本与梯度消失之间的关系，以及如何设置使简单样本对平均梯度的影响更小。 一、sampling the output 在每个训练步骤中，GRU4Rec 将会话中当前事件的项目（由 one-hot 向量表示）作为输入。 网络的输出是项目的一组分数，对应于它们成为会话中下一个项目的可能性。 GRU4Rec 引入了基于mini-batch的采样。 对于mini-batch中的每个example，相同mini-batch的其他examples作为负样本。
深度学习RNN 经典论文69篇，包含LSTM应用，LSTM综述，RNN应用，RNN综述
03-29
该文件为自己收集整理的关于深度学习RNN 经典论文69篇，包含LSTM应用，LSTM综述，RNN应用，RNN综述。
吴恩达RNN作业:Building your Recurrent Neural Network - Step by Step
08-06
在本课程中，“吴恩达RNN作业：Building your Recurrent Neural Network - Step by Step”主要探讨了如何构建和理解循环神经网络（Recurrent Neural Networks, RNNs），这是一种广泛应用于序列数据处理的深度学习...
一文读懂RNN(Recurrent Neural Network)循环神经网络
y1120944224的博客
04-28 966
最近学习NLP过程中学到了RNN，做了以下笔记。
RNN代码_recurrentnetwork_RNN_RNN神经网络_递归神经网络_
10-01
与传统的前馈神经网络（Feedforward Neural Networks，FNN）不同，RNN允许信息在时间上流动，使得网络能够记住过去的输入状态，这对于理解和预测序列中的模式至关重要。 **递归神经网络的结构**： RNN的基本单元是...
双向RNN原始论文
08-07
双向RNN原始论文
RNN3篇论文总结
lyhhh0316的博客
11-17 814
总结了3篇RNN论文内容，留一个笔记稿方便自己看
论文阅读：Recurrent Neural Networks for Time Series Forecasting Current Status and Future Directions
可及的小屋
10-21 1099
typora-copy-images-to: ./ Recurrent Neural Networks for Time Series Forecasting: Current Status and Future Directions Abstract 递归神经网络（RNN）已成为竞争性预测方法，已建立的统计模型（例如ETS和ARIMA）不仅因为其准确性高而广受欢迎，而且由于其健壮，高效且自动的特性，也适合非专业用户。我们得出结论，如果数据集中的序列具有均质的季节性模式，则RNN可以直接对季节进行建模.
【论文笔记】K-plet Recurrent Neural Networks for Sequential Recommendation
Running Snail
04-30 468
原文：K-plet Recurrent Neural Networks for Sequential Recommendation （本文只是略读，所以笔记只记录了主要的思想，更多的细节还需看原文） 背景 一般推荐 忽略时间因素，将用户的历史行为表示为一个集合，利用矩阵分解技术获取用户兴趣。 序列推荐 主要考虑用户的评分和购买行为 马尔科夫链：序列转化为转移图，融合矩阵分解，难以对长期依赖性建模 基于循环神经网络的方法： 只对整体结构建模 因为循环神经网络（RNN）在序列数据 ..
循环神经网络RNN论文解读
热门推荐
qq_32172681的博客
08-25 3万+
版权声明：本文为CSDN博主「了不起的赵队」的原创文章，遵循CC 4.0 by-sa版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/zhaojc1995/article/details/80572098 论文名称：RECURRENT NEURAL NETWORK REGULARIZATION 论文地址：https://arxiv.org/...
论文笔记：Recurrent Convolutional Neural Networks for Text Classification
vivian_ll的博客
07-09 7160
1 Abstract 文本分类是NLP的一项重要的基础任务。传统的文本分类需要特征工程，需要人类参与。而深度学习能够自动提取特征不需要人的参与。本文采用周期循环神经网络比卷积神经网络能够更加减少噪声，利用最大池化层选取一句话中最重要的特征。首先在学习词的表达的时候，采用双向循环结构获取文本信息，比传统的基于窗口的神经网络更能减少噪声，而且在学习文本表达时可以大范围的保留词序。其次使用最大池化层获...
Relation Classification via Recurrent Neural Network论文阅读笔记
zyk9916的博客
05-14 580
背景： 从Zeng等提出CNN深度学习模型解决关系分类问题开始（Relation Classification via Convolutional Deep Neural Network），陆续提出了很多模型，如MW-CNN（2015），CR-CNN（2015），DepLCNN（2015）等。虽然也有一些基于其他架构的模型，如MV-RNN（2012，它是一个递归网络，并不是时序模型），FCM（2014)，SDP-LSTM(2015），总体来说，CNN模型占据主导地位。 本文的主要贡献： 1.提出了基于R
论文阅读 | Polygon-RNN：Annotating Object Instances with a Polygon-RNN
diaokuangjin0620的博客
11-02 426
论文地址：https://arxiv.org/abs/1704.05548 项目地址：http://www.cs.toronto.edu/polyrnn 概述 Polygon-RNN是一篇收录于CVPR2017的论文，文中作者基于CNN+RNN提出了一种半自动目标实例标注的算法。当前大多方法都将目标分割视为像素级分类问题，而本文则将其看做多边形预测任务，以裁剪的目标图像作为输入，预...
给我一些用Recurrent Neural Network进行股票价格预测的高引用论文
02-28
以下是几篇使用循环神经网络（Recurrent Neural Network，RNN）进行股票价格预测的高引用论文： 1. Hochreiter, S., & Schmidhuber, J. (1997). Long short-term memory. Neural computation, 9(8), 1735-1780. 这篇经典论文提出了一种新的循环神经网络模型——长短时记忆网络（Long Short-Term Memory，LSTM），用于解决循环神经网络在长序列上的梯度消失问题。LSTM在很多序列预测任务上表现出色，包括股票价格预测。 2. Zhang, G. P., & Qi, M. (2005). Neural network forecasting for seasonal and trend time series. European Journal of Operational Research, 160(2), 501-514. 这篇论文探讨了使用神经网络对季节性和趋势时间序列进行预测的问题，提出了一种基于循环神经网络的新方法，并在股票价格预测中进行了实验。 3. Zhang, G. P., Patuwo, B. E., & Hu, M. Y. (1998). Forecasting with artificial neural networks: The state of the art. International Journal of Forecasting, 14(1), 35-62. 这篇综述性论文介绍了使用神经网络进行时间序列预测的研究进展，包括循环神经网络。论文讨论了神经网络在股票价格预测中的应用，并列举了多篇相关的研究论文。 4. Singh, P. K., & Kumar, S. (2018). Recurrent neural network based stock price prediction using financial news and technical indicators. Expert Systems with Applications, 107, 111-122. 这篇论文结合了股票市场的基本面和技术面因素，使用循环神经网络模型进行股票价格预测，并与传统的时间序列模型进行了比较。实验结果表明，循环神经网络模型在股票价格预测中具有更好的表现。 5. Zhang, H., Shen, H., Wang, Y., & Liu, Z. (2020). A hybrid stock price prediction model using RNN and particle swarm optimization. IEEE Access, 8, 44506-44515. 这篇论文提出了一种混合模型，将循环神经网络和粒子群优化算法相结合，用于股票价格预测。实验结果表明，该模型可以更准确地预测股票价格，并具有更强的泛化能力。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值