본 논문에서는 엔드 투 엔드 분석-합성 맥락에서 미분 가능 시간-변화 선형 예측 (LP)에 대해 다룹니다. 저자들은 기존의 심층 학습 프레임워크에서 선형 예측 (LP) 연산자를 엔드 투 엔드 방식으로 학습시키는 것이 재귀적 공식으로 인해 느리다는 점을 지적합니다. 또한, 프레임별 근사는 가속 방법으로 사용되지만 LP가 샘플별로 계산되는 테스트 시간 조건으로 잘 일반화될 수 없습니다. 따라서 엔드 투 엔드 학습을 위한 효율적인 미분 가능 샘플별 LP가 이러한 한계를 제거하는 데 중요합니다.
Til et andet sprog
fra kildeindhold
arxiv.org
Vigtigste indsigter udtrukket fra
by Chin... kl. arxiv.org 10-21-2024
https://arxiv.org/pdf/2406.05128.pdfDybere Forespørgsler