《表2 训练LSTM模型部分参数》
本文使用LSTM网络模型[13]进行自然语言描述,作为一个时间递归神经网络,它包含一个内置的记忆单元来存储信息和学习长期依赖信息,解决了“梯度消失”和“梯度爆炸”问题,模型在自然语言领域已经取得了很好的效果。利用LSTM能够处理不同长度输入和生成不同长度的序列作为输出的特点,本文的输入是特征关联后的特征向量和图片标注的自然语言特征描述语句转化后的向量,输出是单词序列{y1,y2,…,yn},学习和训练LSTM模型的部分参数如表2所示。
图表编号 | XD00107192800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.20 |
作者 | 龚安、谢玉玲 |
绘制单位 | 中国石油大学(华东)计算机与通信工程学院、中国石油大学(华东)计算机与通信工程学院 |
更多格式 | 高清、无水印(增值服务) |