<noframes id="jbb9l"><span id="jbb9l"><progress id="jbb9l"></progress></span><big id="jbb9l"><video id="jbb9l"></video></big>

<mark id="jbb9l"><ins id="jbb9l"><meter id="jbb9l"></meter></ins></mark>

<i id="jbb9l"></i>
<meter id="jbb9l"><span id="jbb9l"><i id="jbb9l"></i></span></meter>
<address id="jbb9l"><menuitem id="jbb9l"><th id="jbb9l"></th></menuitem></address>

    <strike id="jbb9l"></strike>

              <video id="jbb9l"></video>

              中国海大信息科学与工程学院仲国强团队获BICS2019最佳会议论文

              作者:王兰 来源:中国海洋大学 创建时间:2019-07-16 点击数:1474

              会议主席英国Strathclyde大学JinchangRen教授(左)和会议主旨报告人美国南加州大学Song Wang教授(右)为仲国强老师颁发证书

                

                本站讯 7月13日至14日,第十届脑启发认知系统国际会议(The 10th International Conference on Brain-Inspired Cognitive Systems以下简称BICS 2019)在中国广州举行。会上,中国海洋大学信息科学与工程学院仲国强老师及其团队发表了论文“Long Short-Term Attention”(长短时注意模型),该论文被评为会议最佳论文。

                

                长短时记忆网络(LSTM) 是一种能够学习信息长期依赖关系的循环神经网络,它非常适用于处理序列数据相关的问题。传统的LSTM模型虽然能够记住序列信息,但不能特别注意到序列的重要部分。为了克服LSTM模型的不足并提高其性能,仲国强老师及其团队提出了一种新的序列学习模型--长短时注意(LSTA)模型。该模型将注意力机制嵌入到长短时记忆网络(LSTM)的记忆单元内部,它不仅可以处理长期和短期的依赖关系,还可以利用注意力机制关注到序列中的重要信息。论文中大量实验结果表明,在多个序列学习任务中LSTA模型的性能都优于LSTM和其它相关模型。基于该论文的科学价值和实验性能,最终该论文被评为最佳会议论文。

                

                BICS是脑启发神经计算方面的重要国际会议,随着人工智能和类脑计算的快速发展,受到了全世界相关领域研究人员的广泛关注,今年共收到来自美国、英国、中国香港等国家和地区的投稿论文120余篇,100余人参会,经过两天的口头报告和墙报展示,大会评出最佳会议论文4篇和最佳墙报展示论文3篇。

                

              通讯员:王兰

              编辑:冯文波
                校址:青岛市崂山区松岭路238号 邮编:266100 鲁ICP备05002467号-1  版权所有©中国海洋大学  
              AG平台