Vers une meilleure modélisation des transitions dans les réseaux neuronaux récurrents : le cas de la tokénisation de la langue des signes ; Towards Better Transition Modeling in Recurrent Neural Networks:the Case of Sign Language Tokenization

Cet article met en lumière, dans le cas de la tokenization de la langue des signes francophone de Belgique, l'intérêt de développer de meilleures méthodes pour modéliser les transitions dans les réseaux récurrents et montre que les méthodes existantes sont actuellement insuffisantes.

Verfasser: Poitier, Pierre
Frénay, Benoît
Fink, Jerome
Dokumenttyp: contributionToPeriodical
Erscheinungsdatum: 2022
Verlag/Hrsg.: i6doc.com
Schlagwörter: Deep Learning / Recurrent neural network / French Belgian Sign Language (LSFB) / LSTM / EDRN / Mogrifier LSTM
Sprache: Englisch
Permalink: https://search.fid-benelux.de/Record/base-26919209
Datenquelle: BASE; Originalkatalog
Powered By: BASE
Link(s) : https://researchportal.unamur.be/en/publications/847dd18c-21e5-46df-95ca-0565231d65dd