实体
Linear Recurrent Units
Linear Recurrent Units
PulseAugur coverage of Linear Recurrent Units — every cluster mentioning Linear Recurrent Units across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新框架解决手写字符识别中的旋转问题
研究人员开发了一种新颖的在线手写字符识别框架，解决了旋转变形的挑战。该方法利用滑动窗口路径签名（SW-PS）提取旋转不变的局部结构特征，并采用线性循环单元（LRU）作为分类器。SW-PS和LRU的结合在数字、英文字母和汉字偏旁部首数据集上的收敛速度和准确性方面均优于现有模型。
-
RotRNN：新的线性循环模型简化了长序列建模
研究人员推出了一种新颖的线性循环神经网络RotRNN，专为长序列建模而设计。该模型利用旋转矩阵简化了初始化和归一化过程，解决了现有状态空间模型（SSM）和线性循环单元（LRU）中的复杂性。RotRNN在各种长序列建模数据集上表现出竞争力，同时提供了更简单、更高效的实现。
-
新型RNN增强了低功耗AI的稳定性和性能
研究人员开发了新的循环神经网络架构，即累积记忆循环单元（CMRU）及其变体$\alpha$CMRU，以提高超低功耗应用的性能和学习稳定性。这些模型通过引入增强梯度流和降低初始化敏感性的累积更新公式，解决了先前设计中的梯度阻塞问题。CMRU和$\alpha$CMRU在各种基准测试中，与LRU和minGRU等现有模型相比，表现出具有竞争力或更优越的性能，特别是在需要长程记忆保持的任务中，同时保持了模拟实现的关键特性。