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: | |
---|---|
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-28493966 |
Datenquelle: | BASE; Originalkatalog |
Powered By: | BASE |
Link(s) : | https://researchportal.unamur.be/en/publications/847dd18c-21e5-46df-95ca-0565231d65dd |