Convolutional Recurrent Neural Network
PulseAugur coverage of Convolutional Recurrent Neural Network — every cluster mentioning Convolutional Recurrent Neural Network across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新框架通过AI和人工审核提升阿拉伯文HTR数据集质量
研究人员开发了一种新颖的两阶段框架CER-HV，旨在提高用于训练手写文本识别（HTR）模型的数据集质量，特别是针对阿拉伯文脚本语言。该框架结合了卷积循环神经网络（CRNN）进行自动错误检测和“人在回路”验证过程。当应用于阿拉伯文数据集时，CER-HV成功识别了转录和分割错误等标签错误，在数据集清理和模型重新训练后，评估CER提高了多达1.8个百分点。
-
跨语言手写文本识别模型通过序列建模提高低资源性能
研究人员调查了跨语言迁移学习如何改进低资源阿拉伯语脚本语言的手写文本识别（HTR）。他们的研究表明，序列建模，而不仅仅是共享的视觉表示，是这些改进的关键，尤其是在数据稀缺的情况下。在阿拉伯语、乌尔都语和波斯语数据集上的实验表明，结合了卷积和序列建模的CRNN模型在多脚本训练时，其性能显著优于仅CNN的模型。这表明在低资源环境下，上下文理解在有效的HTR迁移学习中起着至关重要的作用。
-
神经网络模拟具有可变过饱和度的晶体生长动力学
研究人员开发了卷积循环神经网络代理模型来模拟晶体生长动力学。这些模型基于 Allen-Cahn 动力学数据进行训练，并能考虑可变过饱和度水平。该研究比较了两种架构：一种从帧的迷你序列中隐式推断过饱和度，另一种将过饱和度作为显式输入。结果表明，显式参数条件能够产生最准确的预测，尽管隐式方法在更大的训练数据集下也能获得可比的结果。