- …
- …
#240
summarized by : 金城 忍
どんな論文か？
RNNの隠れ層の状態の系列を、ODEで現在の入力と一つ前の隠れ層との関係を学習することで更新し、情報が豊富な入力に起因するシグナルを取り入れる一方で、勾配消失・発散を発生させることなく、入力配列における長期依存性を保持
新規性
入力と隠れ層の状態を考慮した上で、隠れ層の系列情報を作成し、勾配シグナルに対して有効に長期依存性を保持したという点で新規
結果
{Pixel, Permute}-MNIST、Noisy-{MNIST, Cifar}及び、Penn Tree Bankでの評価では既存手法より良い結果を達成し、Penn Tree Bankでは比較的良い結果となり、NTU RGB-d (Skeleton based action recognition) では、Cross viewデータセットで既存手法より良い結果を達成
その他（なぜ通ったか？等）
- …
- …