Advanced LSTM：关于情感识别中更优时间依赖建模的研究
机器学习
2017-11-01 v1 声音
音频与语音处理
机器学习
摘要
长短期记忆网络（LSTM）通常作为基本循环单元用于循环神经网络（RNN）中。然而，传统 LSTM 假设当前时间步的状态仅依赖于前一时间步。这一假设限制了时间依赖建模的能力。在本研究中，我们提出了一种新的 LSTM 变体，即 Advanced LSTM (A-LSTM)，以实现更好的时序上下文建模。我们将 A-LSTM 应用于加权池化 RNN 进行情感识别。A-LSTM 的表现优于传统 LSTM，相对提升了 5.5%。基于 A-LSTM 的加权池化 RNN 还可以补充最先进的情感分类框架。这展示了 A-LSTM 的优势。
引用
@article{arxiv.1710.10197,
title = {Advanced LSTM: A Study about Better Time Dependency Modeling in Emotion Recognition},
author = {Fei Tao and Gang Liu},
journal= {arXiv preprint arXiv:1710.10197},
year = {2017}
}