KASM-Pytorch:复制论文“基于内核的序列建模方法

时间:2024-03-28 20:16:58
【文件属性】:

文件名称:KASM-Pytorch:复制论文“基于内核的序列建模方法

文件大小:3.54MB

文件格式:ZIP

更新时间:2024-03-28 20:16:58

Python

KASM-Pytorch 复制论文“基于内核的序列建模方法:与神经方法的连接”再现性报告: 介绍 深度学习(DL),它说,深学习可以从ψθ(x)的一个featuremapping观看到weightω的财产,开辟了桥接深度学习和内核的机器之间的差距的一个新问题。 从内核机器的角度获得的关于神经网络的见解已被证明可以为深度学习模型提供更好的解释。 该领域的先前工作主要集中在图像分析领域。 此外,在使用递归内核机器(RKM)来处理顺序数据方面,还有很多工作要做。 受先前工作的启发,作者推导了递归神经网络(RNN)与递归内核机器(RKM)之间的联系。本文通过使用简单的过滤器,根据RKM构造了RNN。 这些内核机器具有在顺序数据输入时进行更新的内存单元。作者针对循环内核机器的存储单元的内存适应性引入了一种自适应门控方法。 LSTM。 此外,通过关闭某些元素,可以从类似于LSTM的框架中获得门控CN


【文件预览】:
KASM-Pytorch-master
----yahoo.png(177KB)
----DBPedia.png(186KB)
----NeurIPS_reproducibility_report.pdf(981KB)
----kernel.py(4KB)
----document_classification()
--------.ipynb_checkpoints()
--------model.py(8KB)
--------data_load.py(2KB)
----README.md(5KB)
----yelp.png(184KB)
----language_modeling()
--------.ipynb_checkpoints()
--------data.py(2KB)
--------generate.py(3KB)
--------embed_regularize.py(1001B)
--------getdata.sh(1KB)
--------utils.py(980B)
--------main.py(13KB)
--------model.py(6KB)
--------finetune.py(10KB)
--------LICENSE(1KB)
--------splitcross.py(10KB)
--------corpus.148650ff682fa3f76e78c18d7d6d5bd6.data(8.57MB)
--------README.md(10KB)
--------pointer.py(6KB)
--------weight_drop.py(3KB)
--------locked_dropout.py(454B)
--------.gitignore(32B)
----agnews.png(164KB)

网友评论