多元序列学习的本质是如何提取数据中的相关性。这些数据集,如重症监护病房的每小时医疗记录和多频语音时间序列,通常不仅在个别成分中表现出强烈的序列依赖性(“边缘”记忆),而且在横剖面依赖性中也表现出不可忽略的记忆(“联合”记忆)。由于联合分布演化的多元复杂性是数据生成过程的基础,我们采用数据驱动的方法,构建了一种新的循环网络结构,称为记忆门控循环网络(mGRN),门显式地调节两种不同类型的记忆:边缘记忆和联合记忆。通过对一系列公共数据集的综合模拟研究和经验实验的结合,我们表明我们提出的mGRN架构始终优于针对多元时间序列的最先进架构。

https://www.zhuanzhi.ai/paper/4236df35ff33a6911c4913ac13bb78e0

成为VIP会员查看完整内容
47

相关内容

【AAAI2021】生成式Transformer的对比三元组提取
专知会员服务
48+阅读 · 2021年2月7日
【AAAI2021】面向交通需求预测的耦合层图卷积
专知会员服务
43+阅读 · 2021年1月31日
专知会员服务
44+阅读 · 2021年1月31日
【AAAI2021】层次推理图神经网络
专知会员服务
68+阅读 · 2020年12月27日
【AAAI2021】低资源医疗对话生成的图演化元学习
专知会员服务
46+阅读 · 2020年12月26日
专知会员服务
107+阅读 · 2020年12月21日
专知会员服务
44+阅读 · 2020年12月20日
【AAAI2021】 层次图胶囊网络
专知会员服务
80+阅读 · 2020年12月18日
【AAAI2021】小样本学习多标签意图检测
专知会员服务
54+阅读 · 2020年12月8日
【AAAI2021】通过离散优化的可解释序列分类
专知会员服务
17+阅读 · 2020年12月5日
【AAAI2021】自监督对应学习的对比转换
专知
12+阅读 · 2020年12月11日
KDD20 | AM-GCN:自适应多通道图卷积网络
专知
8+阅读 · 2020年8月26日
【KDD2020】图神经网络生成式预训练
专知
22+阅读 · 2020年7月3日
最新《动态网络嵌入》综述论文,25页pdf
专知
32+阅读 · 2020年6月17日
WWW 2020 开源论文 | 异构图Transformer
PaperWeekly
13+阅读 · 2020年4月3日
基于聚类和决策树的链路预测方法
计算机研究与发展
8+阅读 · 2017年8月25日
Arxiv
0+阅读 · 2021年2月26日
Heterogeneous Graph Transformer
Arxiv
27+阅读 · 2020年3月3日
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
Arxiv
9+阅读 · 2018年10月18日
VIP会员
相关VIP内容
【AAAI2021】生成式Transformer的对比三元组提取
专知会员服务
48+阅读 · 2021年2月7日
【AAAI2021】面向交通需求预测的耦合层图卷积
专知会员服务
43+阅读 · 2021年1月31日
专知会员服务
44+阅读 · 2021年1月31日
【AAAI2021】层次推理图神经网络
专知会员服务
68+阅读 · 2020年12月27日
【AAAI2021】低资源医疗对话生成的图演化元学习
专知会员服务
46+阅读 · 2020年12月26日
专知会员服务
107+阅读 · 2020年12月21日
专知会员服务
44+阅读 · 2020年12月20日
【AAAI2021】 层次图胶囊网络
专知会员服务
80+阅读 · 2020年12月18日
【AAAI2021】小样本学习多标签意图检测
专知会员服务
54+阅读 · 2020年12月8日
【AAAI2021】通过离散优化的可解释序列分类
专知会员服务
17+阅读 · 2020年12月5日
相关资讯
【AAAI2021】自监督对应学习的对比转换
专知
12+阅读 · 2020年12月11日
KDD20 | AM-GCN:自适应多通道图卷积网络
专知
8+阅读 · 2020年8月26日
【KDD2020】图神经网络生成式预训练
专知
22+阅读 · 2020年7月3日
最新《动态网络嵌入》综述论文,25页pdf
专知
32+阅读 · 2020年6月17日
WWW 2020 开源论文 | 异构图Transformer
PaperWeekly
13+阅读 · 2020年4月3日
基于聚类和决策树的链路预测方法
计算机研究与发展
8+阅读 · 2017年8月25日
相关论文
Arxiv
0+阅读 · 2021年2月26日
Heterogeneous Graph Transformer
Arxiv
27+阅读 · 2020年3月3日
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
Arxiv
9+阅读 · 2018年10月18日
微信扫码咨询专知VIP会员