Добро пожаловать в клуб

Показать / Спрятать  Домой  Новости Статьи Файлы Форум Web ссылки F.A.Q. Логобург    Показать / Спрятать

       
Поиск   
Главное меню
ДомойНовостиСтатьиПостановка звуковФайлыКнижный мирФорумСловарьРассылкаКаталог ссылокРейтинг пользователейЧаВо(FAQ)КонкурсWeb магазинКарта сайта

Поздравляем!
Поздравляем нового Логобуржца Лен-усь со вступлением в клуб!

Реклама

На сайте снова проблемы - решаем - ждите.
Не работает АВТОРИЗАЦИЯ - вход для пользователей не возможен.
Скорее всего, проблемы решить можно только переездом на другой сервер, другой компании.
А такой переезд возможен только в следующем месяце.
Пока других решений не вижу.
Извиняюсь за неудобства.

Ваш администратор.

КНИЖНЫЙ МИР

LSTM Recurrent Neural Networks for Signature Verification   Conrad Tiflin

LSTM Recurrent Neural Networks for Signature Verification

104 страниц. 2012 год.
LAP Lambert Academic Publishing
The author investigated the application of Long Short-Term Memory (LSTM) Recurrent Neural Networks (RNNs) to the task of signature verification. Traditional RNNs are capable of modeling dynamical systems with hidden states; they have been successfully applied to domains ranging from financial forecasting to control and speech recognition. This manuscript is the result of successfully applying on-line signature time series data to traditional LSTM, LSTM with forget gates and LSTM with peephole connections algorithms originally developed by S. Hochreiter and J. Schmidhuber. It can be clearly seen in this pattern classification problem that traditional LSTM RNNs outperform LSTMs with forget gates and peephole connections. The latter also outperform traditional RNNs which cannot seem to even learn this task due to the long-term dependency problem.
 
- Генерация страницы: 0.03 секунд -