新型RNN：将层内神经元相互独立以提高长程记忆 | CVPR 2018论文解读

在碎片化阅读充斥眼球的时代，越来越少的人会去关注每篇论文背后的探索和思考。

在这个栏目里，你会快速 get 每篇精选论文的亮点和痛点，时刻紧跟 AI 前沿成果。

点击本文底部的「阅读原文」即刻加入社区，查看更多最新论文推荐。

这是 PaperDaily 的第 58 篇文章

本期推荐的论文笔记来自 PaperWeekly 社区用户 @Zsank。本文使用 Relu 等非饱和激活函数使网络变得更具有鲁棒性，可以处理很长的序列（超过5000个时间步），可以构建很深的网络（实验中用了21层）。在各种任务中取得了比LSTM更好的效果。

如果你对本文工作感兴趣，点击底部的阅读原文即可查看原论文。