keras代码:https://github.com/DingKe/qrnn
QRNN为LSTM加速算法,模型结构如下:
qrnn第一层为卷积层,用于提取输入特征,第二层为pooling层,用于减少特征数目,但语常用的pooling层不同的是,qrnn采用fo-pool方法,具体计算如下.
卷积层:
对于输入X,分别通过三个卷积层和非线性层得到Z,F,O,公式如下:
Z=tanh(Wz∗X)
F=σ(Wf∗X)
O=σ(Wo∗X)
这里 Wz,Wf,Wo 为
keras代码:https://github.com/DingKe/qrnn
QRNN为LSTM加速算法,模型结构如下:
qrnn第一层为卷积层,用于提取输入特征,第二层为pooling层,用于减少特征数目,但语常用的pooling层不同的是,qrnn采用fo-pool方法,具体计算如下.
对于输入X,分别通过三个卷积层和非线性层得到Z,F,O,公式如下:
Z=tanh(Wz∗X)
F=σ(Wf∗X)
O=σ(Wo∗X)
这里 Wz,Wf,Wo 为