循环神经网络在笔迹合成中的神经轨迹分析
神经与进化计算
2018-04-16 v1
摘要
循环神经网络（RNNs）能够从给定文本序列中学习生成多种风格的高度逼真在线笔迹。此外，当网络状态以某位书写者的真实笔尖运动序列进行初始化时，网络还能以该书写者的风格生成笔迹。然而，RNN 中神经元群体如何协同实现此类性能仍知之甚少。为解决这个问题，我们通过提取低维神经轨迹来研究 RNN 中学习到的表征，这些轨迹概括了网络在每次笔迹合成过程中神经元群体的活动。神经轨迹表明，不同的书写风格被编码在网络内部空间的不同子空间中。在每个子空间内，同一风格的不同字符表现为不同的状态动态。这些结果证明了分析神经轨迹对于直观理解 RNN 工作机制的有效性。
引用
@article{arxiv.1804.04890,
title = {Neural Trajectory Analysis of Recurrent Neural Network In Handwriting Synthesis},
author = {Kristof B. Charbonneau and Osamu Shouno},
journal= {arXiv preprint arXiv:1804.04890},
year = {2018}
}
备注
4 pages, 3 figures