埃沃利诺 swMATH ID: 36450 软件作者: 施密杜贝尔,J.,维斯特拉,D.,戈麦斯,F.J。 描述: 进化:混合神经进化/序列学习的最优线性搜索。当前的神经网络学习算法在建模非线性动力学系统的能力方面受到了限制。大多数有监督的基于梯度的递归神经网络(RNN)都会遇到一个消失的错误信号,这会在很久以前阻止从输入中学习。当存在许多局部极小值时,那些没有的仍然存在问题。我们介绍了具有线性输出的递归系统(Evolino)的序列学习EVOlution的一般框架。Evolino使用进化来发现好的RNN隐藏节点权重,同时使用线性回归或二次规划等方法计算从隐藏状态到输出的最佳线性映射。使用长短期内存RNN架构,该方法在三个不同的问题域中进行测试:1)上下文敏感语言,2)多重叠加正弦波,以及3)Mackey-Glass系统。Evolino在所有任务中都表现出色,而其他方法在某些任务中表现出明显的不足。 主页: https://dl.acm.org/doi/10.5555/1642293.1642430 相关软件: 时钟RNN;达奇;LSTM公司;UCI-毫升;AlexNet公司;SpiNNaker公司;神经元;脱咖啡因咖啡;PRMLT公司;阿达德尔塔;RMS公司;阿达格拉德;ImageNet公司;OverFeat公司;NNcon公司;固定点算法;RNNLIB公司;CMA-ES公司;CIXL2号机组;单词2vec 引用于: 12文件 标准条款 1出版物描述软件,包括1出版物以zbMATH为单位 年份 Evolino训练递归网络。 Zbl 1127.68085号约翰·施密杜贝尔;Daan,维尔斯特拉;马特奥·加格利奥洛;福斯蒂诺·戈麦斯 2007 全部的 前5名33位作者引用 2 赫伯特·耶格尔 2 曼塔斯卢科舍维奇 1 扬·波恩 1 再见,Wonmin 1 迈克尔·费希尔 1 马特奥·加格利奥洛 1 福斯蒂诺·J·戈麦斯。 1 R·古里沃。 1 赫尔穆特·豪泽 1 西蒙·海金。 1 希塞尔,D。 1 乔治·霍尔兹曼 1 胡昌华 1 杰梅,S。 1 Petros D.库穆塔科斯。 1 德里克·蒙纳 1 莫兰多,S。 1 丹·伊曼纽尔·波波维奇 1 詹姆斯·雷吉亚。 1 R.Felix莱因哈特 1 Sapsis,Themistoklis P。 1 约翰·施密杜贝尔 1 司晓生 1 乌多·西沃特 1 Jochen Jakob,斯泰尔 1 潘泰利斯·R·弗拉查斯。 1 万忠义 1 Daan Wierstra公司 1 薛燕波 1 是的,厄兹古尔 1 于勇 1 努雷丁·泽霍尼 1 张建勋 全部的 前5名引用于7个系列 4 神经网络 三 神经计算 1 计算机与数学及其应用 1 模拟中的数学和计算机 1 微分方程与动力系统 1 计算机科学评论 1 伦敦皇家学会会刊。A.数学、物理和工程科学 全部的 前5名在9个字段中引用 10 计算机科学(68至XX) 4 生物学和其他自然科学(92-XX) 2 统计学(62-XX) 1 常微分方程(34-XX) 1 偏微分方程(35-XX) 1 差分和函数方程(39至XX) 1 数值分析(65-XX) 1 流体力学(76-XX) 1 地球物理学(86-XX) 按年份列出的引文